Pydatatable枚举每个组中的行

Question

给定以下数据表

DT = dt.Frame({'A':['A','A','A','B','B','B'],
               'B':['a','a','b','a','a','a'],
               })

我想创建列“C”，它对A列和B列中每个组内的行进行编号，如下所示：

     A   B   C
 0   A   a   1
 1   A   a   2
 2   A   b   1
 3   B   a   1
 4   B   a   2
 5   B   a   3

根据this thread，cumcount（）或rank（）将是选项，但它似乎没有为pydatatable定义：

DT = DT[:, f[:].extend({'C': cumcount()}),by(f.A,f.B)]
DT = DT[:, f[:].extend({'C': rank(f.B)}),by(f.A,f.B)]

a）如何对组内的行进行编号

b）pydatatable是否有一个包含所有当前可用功能的综合资源

Answer 1

这是一种黑客行为，最终应该有一种内置的方法来进行累积计数，甚至可以利用python中的itertools或其他性能工具，同时仍然非常快：

步骤1：获取列A和B的计数并导出到列表

result = DT[:, dt.count(), by("A","B")][:,'count'].to_list()

步骤2：使用itertools chain和list comprehension的组合来获得累积计数：

from itertools import chain

cumcount = chain.from_iterable([i+1 for i in range(n)] for n in result[0])

步骤3：将结果分配回DT

DT['C'] = dt.Frame(tuple(cumcount))

print(DT)


    A       B   C
   ▪▪▪▪   ▪▪▪▪  ▪▪▪▪
0   A      a    1
1   A      a    2
2   A      b    1
3   B      a    1
4   B      a    2
5   B      a    3
6 rows × 3 columns