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

Agregação "n_unique" usando API relacional DuckDB

  • 772

Diga que eu tenho

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 │
└───────┴───────┘

Posso agrupar por a e encontrar a média de 'b' fazendo:

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

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

que funciona maravilhosamente

Existe uma maneira semelhante de criar uma agregação "n_unique"? Estou procurando algo como

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

mas isso não existe. Tem algo que exista?

python

1 respostas

  1. Best Answer

    atualizado . Não consegui encontrar uma maneira adequada de fazer isso count distinct, mas você pode usar uma combinação de funções array_agg()e array_unique():

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

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

    antigo . você pode pré-selecionar acolunas distintas b?

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

relate perguntas