主页 / coding / 问题 / 79314406
Accepted
ignoring_gravity
Asked: 2024-12-29 03:09:13 +0800 CST

使用 DuckDB 关系 API 进行“n_unique”聚合

  • 772

说我有

import duckdb

rel = duckdb.sql('select * from values (1, 4), (1, 5), (2, 6) df(a, b)')
rel

Out[3]: 
┌───────┬───────┐
│   a   │   b   │
│ int32 │ int32 │
├───────┼───────┤
│     1 │     4 │
│     1 │     5 │
│     2 │     6 │
└───────┴───────┘

我可以按 a 分组并通过执行以下操作找到“b”的平均值：

rel.aggregate(
    [duckdb.FunctionExpression('mean', duckdb.ColumnExpression('b'))],
    group_expr='a',
)

┌─────────┐
│ mean(b) │
│ double  │
├─────────┤
│     4.5 │
│     6.0 │
└─────────┘

效果非常好

有没有类似的方法来创建“n_unique”聚合？我正在寻找类似的东西

rel.aggregate(
    [duckdb.FunctionExpression('count_distinct', duckdb.ColumnExpression('b'))],
    group_expr='a',
)

但那并不存在。有什么东西可以做到吗？

python

1 个回答

  1. Best Answer

    已更新。我找不到正确的方法count distinct，但你可以使用array_agg()和array_unique()函数的组合：

    rel.aggregate(
    [duckdb.FunctionExpression(
        'array_unique',
        duckdb.FunctionExpression(
            'array_agg',
            duckdb.ColumnExpression('b')
        )
    )],
    group_expr='a',
)

    ┌────────────────────────────┐
│ array_unique(array_agg(b)) │
│           uint64           │
├────────────────────────────┤
│                          1 │
│                          2 │
└────────────────────────────┘

    旧的。您可以预先选择不同的a列b吗？

    (
    rel.select(*[duckdb.ColumnExpression('a'), duckdb.ColumnExpression('b')])
    .distinct()
    .aggregate(
        [duckdb.FunctionExpression('count', duckdb.ColumnExpression('b'))],
        group_expr='a',
    )
)
    • 1

相关问题