group-by 相关问题

如果在组中选择任何空值，如何选择“空”或“最大”？

这是我想要执行的查询的简化示例： 选择 t.id， 当any(st.end_at为null)则为null时的情况，否则max(st.end_at)结束为max_end_at 从表中作为 t 将 sub_table 作为 st 加入 st

Pandas Dataframe groupby 快速计算行数

我有一个数据框，看起来像 Class_ID Student_ID 功能 1 4 31 1 4 86 1 4 2 1 2 11 1 2 0 5 ...

如何在组选择中选择任意（列为空）或最大（列）？

这是我想要执行的查询的简化示例： 选择 t.id， 当any(st.end_at为null)则为null时的情况，否则max(st.end_at)结束为max_end_at 从表中作为 t 将 sub_table 作为 st 加入 st

在 MongoDB 中按字段高效分组数百万条记录 - 性能优化

我正在处理 MongoDB 中的大型数据集，我需要按特定字段（名称）对大约 1500 万条记录进行分组。目标是找到名称字段重复的所有记录。我是

SQL - 显示计数最大值的条目？

创建表医生（患者 CHAR(13)，文档名 CHAR(30) ）； 假设我有一个这样的表，那么我如何显示拥有最多病人的医生的姓名呢？就像最多是三个一样...

如何使用 Pandas 在 Python 中将具有相同唯一 ID 的多行合并为一行

我见过一些与此类似的问题，但我找不到解决如何取消堆叠多个列的问题。我已经使用成功地拆开了单列。 df = df.groupby(['id', '实体'])['

MS Access 中的 Sql TRANSFORM 计算时间

我正在尝试使用列进出的计算时间进行Sql TRANSFORM。 我想要 1 个查询中的答案，但我不想使用 ms access 中的函数，因为我想使用 vb.net 中的 sql 普...

根据条件删除行（纵向数据集）

我有一个具有以下结构的数据集： ID 药品 药物序列 浆状 一个 X 1 AB 一个 X 1 AB 一个 是 2 光盘 一个 Z 3 光盘 一个 V 4 EF 一个 V 4 EF 乙 瓦 1 生长激素 乙 瓦 1 生长激素 乙 瓦 2 生长激素 C Z 1 光盘 C V 2 EF C V 2 ...

这个 MAX() GROUP BY 查询有什么问题？

我正在努力获取一个查询来显示具有不同类别的民意调查中得票最多的选项。目标是获得在 site_polls_votes 和组 i 中出现次数最多的 vote_id...

db2查询top group by

我已经尝试了几个小时但无法获取查询，我想使用 DB2 执行以下操作。从表“公司和用户”中，我有每个公司/用户的以下门票数量信息 查询使用： 选择...

Python Pandas 对两个特定日期之间的数据进行分组

我正在尝试考虑每月重复的特定日期范围对数据框中的数据进行分组。 2024年1月26日 至 2024年2月25日 2024年2月26日 至 2024年3月25日 2024年3月26日 至 2024年4月25日 2024年4月26日 至 2024年5月25日

按索引分组并保留给定单列的最大列值

场景：对于具有重复索引的数据帧，我想在保持最大值的同时进行分组。我在按索引删除重复项中找到了解决方案，保持重复项中每列的最大值...

在 pandas groupby().aggregate() 期间保留 DataFrame 子类类型

我在我的一个项目中对 pandas DataFrame 进行子类化。大多数 pandas 操作都会保留子类类型，但 df.groupby().agg() 不会。这是一个错误吗？有已知的解决方法吗？ 进口熊猫...

根据groupby数据帧值在数据帧列中填充NaN[重复]

我想估算值以替换数据框中的 NaN。数据框包含小时、位置以及与速度、时间等相关的多个数字列。 在每个包含

在 pandas groupby 聚合子类 DataFrame 期间保留子类类型

我在我的一个项目中对 pandas DataFrame 进行子类化。大多数 pandas 操作都会保留子类类型，但 df.groupby().agg() 不会。这是一个错误吗？有已知的解决方法吗？ 进口熊猫...

如何在MS Access中从记录计数双倍中选择查询

我正在尝试根据 MS Access 中的 ID 和日期从记录计数双中选择查询。 我想将其保留为单个查询。 其应用的可能性有哪些？或其他方法 请

如何通过对 pandas DataFrame 的每一行进行分组来有效地选择顶部列？

这是我之前在如何通过对 pandas DataFrame 的每一行进行分组来有效选择前 N 列？中提出的问题的延续。随着我处理数据，我的需求也在不断变化......

对多列使用分组

我理解 GROUP BY x 的意义。 但是 GROUP BY x, y 是如何工作的，它是什么意思？

通过考虑原始数据框中的行组合并向其应用函数，在 Pandas Dataframe 中添加新行

我有一个 Pandas 数据框 df，看起来像 Class_ID Student_ID theta 6 1 0.2 6 2 0.2 6 4 0.1 6 3 0.5 3 ...

如何通过对 pandas DataFrame 的每一行进行分组来有效地选择前 N 列？

假设我有一个 pandas DataFrame，代表假设比赛中每个“参赛者”的酷度得分（按日期）： 将 numpy 导入为 np 将 pandas 导入为 pd rng = np.随机。