視窗函數 - - 阿里雲

本文為您介紹DataFrame API支援使用視窗函數。

grouped = iris.groupby('name')
grouped.mutate(grouped.sepallength.cumsum(), grouped.sort('sepallength').row_number()).head(10)
          name  sepallength_sum  row_number
0  Iris-setosa            250.3           1
1  Iris-setosa            250.3           2
2  Iris-setosa            250.3           3
3  Iris-setosa            250.3           4
4  Iris-setosa            250.3           5
5  Iris-setosa            250.3           6
6  Iris-setosa            250.3           7
7  Iris-setosa            250.3           8
8  Iris-setosa            250.3           9
9  Iris-setosa            250.3          10

視窗函數可以用在列選擇中。

iris['name', 'sepallength', iris.groupby('name').sort('sepallength').sepallength.cumcount()].head(5)
          name  sepallength  sepallength_count
0  Iris-setosa          4.3                  1
1  Iris-setosa          4.4                  2
2  Iris-setosa          4.4                  3
3  Iris-setosa          4.4                  4
4  Iris-setosa          4.5                  5

視窗函數按標量彙總時，與分組彙總的處理方式一致。

from odps.df import Scalar
iris.groupby(Scalar(1)).sort('sepallength').sepallength.cumcount()

DataFrame API支援的視窗函數如下。

視窗函數	說明
cumsum	計算累積和。
cummean	計算累積均值。
cummedian	計算累積中位元。
cumstd	計算累積標準差。
cummax	計算累積最大值。
cummin	計算累積最小值。
cumcount	計算累積和。
lag	按位移量取當前行之前第幾行的值。如果當前行號為rn，則取行號為rn-offset的值。
lead	按位移量取當前行之後第幾行的值。如果當前行號為rn則取行號為rn+offset的值。
rank	計算排名。
dense_rank	計算連續排名。
percent_rank	計算一組資料中某行的相對排名。
row_number	計算行號，從1開始。
qcut	將分組資料按順序切分成n片，並返回當前切片值。如果切片不均勻，預設增加第一個切片的分布。
nth_value	返回分組中的第n個值。
cume_dist	計算分組中值小於等於當前值的行數佔分組總行數的比例。

各個視窗函數支援的參數說明如下。

rank、dense_rank、percent_rank和row_number支援下列參數。

參數名	說明
sort	排序關鍵字，預設為空白。
ascending	排序時，是否依照升序排序，預設值為True。

lag和lead除了支援rank所支援的參數，還支援下列參數。

參數名	說明
offset	取資料的行距離當前行的行數。
default	當offset指定的行不存在時的傳回值。

cumsum、cummax、cummin、cummean、cummedian、cumcount和cumstd除了支援rank所支援的參數外，還支援下列參數。

參數名	說明
unique	是否排除重複值，預設False。
preceding	視窗範圍起點。
following	視窗範圍終點。