Python / R中的SQL“分區”類似功能

Question

在R（data.table / dplyr）或Python中是否有任何軟件包可以以一致且直接的方式在下面執行SQL代碼？

您可以分享一些這樣做的例子嗎？

我需要的示例：

我的輸入數據幀（CSV，sep-“;”，標題-True）：

articule;group;is_new;ammount
1;fruits;1;100
2;fruits;1;200
3;fruits;1;300
4;fruits;0;400
5;frozen;0;500
6;frozen;0;600
7;frozen;0;700
8;frozen;1;800

我的預期輸出（CSV，sep-“;”，標題-True）：

articule;group;is_new;ammount;sum_by_group;sum_by_group_is_new;result
1;fruits;1;100;1000;600;0.60
2;fruits;1;200;1000;600;0.60
3;fruits;1;300;1000;600;0.60
4;fruits;0;400;1000;400;0.40
5;frozen;0;500;2600;1800;0.69
6;frozen;0;600;2600;1800;0.69
7;frozen;0;700;2600;1800;0.69
8;frozen;1;800;2600;800;0.31

我在SQL中的代碼：

select a.*, sum_by_group_is_new / sum_by_group result from (

select a.*, 
sum(ammount) over (partition by group) sum_by_group,
sum(ammount) over(partition by group, is_new) sum_by_group_is_new 
from input_data_frame a

) a;

最好的祝福

Answer 1

在這種情況下，可以對groupby使用transform方法。 它有點像工作SQL的partition by

df['sum_by_group'] = df.groupby('group').ammount.transform(sum)

df['sum_by_group_is_new'] = df.groupby(['group', 'is_new']).ammount.transform(sum)

df['result'] = df.sum_by_group_is_new / df.sum_by_group

這給了我以下輸出數據幀。

   articule   group  is_new  ammount  sum_by_group  sum_by_group_is_new    result
0         1  fruits       1      100          1000                  600  0.600000
1         2  fruits       1      200          1000                  600  0.600000
2         3  fruits       1      300          1000                  600  0.600000
3         4  fruits       0      400          1000                  400  0.400000
4         5  frozen       0      500          2600                 1800  0.692308
5         6  frozen       0      600          2600                 1800  0.692308
6         7  frozen       0      700          2600                 1800  0.692308
7         8  frozen       1      800          2600                  800  0.307692

Answer 2

歡迎來到SO！

這是您可以使用R做的事情：

library(data.table)

DT <- data.table(
  articule = seq(8),
  group = rep(c("fruits", "frozen"), each = 4),
  is_new = c(rep(c(1, 0), each = 3), 0, 1),
  ammount = seq(100, 800, by = 100)
)

DT[, sum_by_group := sum(ammount), by = group]
DT[, sum_by_group_is_new := sum(ammount), by = .(group, is_new)]
DT[, result := sum_by_group_is_new / sum_by_group]

print(DT)