Arrays 基于阵列中的分组（和条件）创建阵列

因此，我将以下数组构造为数组{Tuple{Int，Float64，Int，Int}，1}，但它也可以是数组数组数组，其中Tuple的第一个元素是ID，第二个是表示成本的数字。我想做的是按ID分组，然后取该ID的最便宜成本和第二便宜成本之间的成本差，如果没有第二成本，成本差应该是typemaxFloat64-firstcost。关于元组的第三个和第四个元素，我想保留第一个成本或最小成本的元素。 我所拥有的例子

(1, 223.2, 2, 2)
(1, 253.2, 3, 2)
(2, 220.0, 4, 6)
(3, 110.0, 1, 4)
(3, 100.0, 3, 8)

我想要的示例：

(1, 30.0, 2, 2)
(2, typemax(Float64)-220.0, 4, 6)
(3,10.0, 3, 8)

---

这是一种方法：

A = [(1, 223.2, 2, 2), (1, 253.2, 3, 2), (2, 220.0, 4, 6), (3, 110.0, 1, 4), (3, 100.0, 3, 8)]

function f(a)
    aux(b::Vector) = (b[1][1], (length(b) == 1 ? typemax(Float64) : b[2][2]) - b[1][2], b[1][3:4]...)
    sort([aux(sort(filter(x -> x[1] == i, a))) for i in Set(map(first, a))])
end

@show f(A)

有一个SplitApplyCombine.jl，它实现了类似于DataFrames中的SplitApplyCombine逻辑，这并不奇怪。这是一个例子，在这个例子中，我将远离简单的一行程序/简短的解决方案，并更明确地写出一些东西，以使代码可读性和可理解性，如果其他人或您自己在几个月的时间内！内容如下：

julia> tups = [(1, 223.2, 2, 2)
       (1, 253.2, 3, 2)
       (2, 220.0, 4, 6)
       (3, 110.0, 1, 4)
       (3, 100.0, 3, 8)]
5-element Array{Tuple{Int64,Float64,Int64,Int64},1}:
 (1, 223.2, 2, 2)
 (1, 253.2, 3, 2)
 (2, 220.0, 4, 6)
 (3, 110.0, 1, 4)
 (3, 100.0, 3, 8)

julia> using SplitApplyCombine

julia> function my_fun(x) # function to apply
           if length(x) == 1
               return (x[1][1], typemax(Float64) - x[1][2], x[1][3], x[1][4])
           else
               return (x[1][1], -diff(sort(getindex.(x, 2), rev = true)[1:2]), x[1][4])
           end
       end
my_fun (generic function with 1 method)

julia> [my_fun(x) for x in group(first, tups)] # apply function group wise
3-element Array{Tuple{Int64,Any,Int64,Vararg{Int64,N} where N},1}:
 (2, Inf, 4, 6)
 (3, [10.0], 4)
 (1, [30.0], 2)

---

如果性能是一个问题，您可能想考虑一下我的乐趣，并做一些分析，看看是否以及如何改进它-我在这里做的唯一一件事是使用diff从排序数组的第二个元素中减去第一个元素，以避免两次排序。

您使用的是DataFrames.jl吗？它类似于Python的熊猫，可能非常适合解决此类问题。嗨！我没有使用dataframes，我正在使用算法，所以我认为使用dataframes会更困难。好的，这是有道理的，dataframes.jl中有一个groupby函数，这正是您所需要的，所以使用它可能不会有太多开销？是的，我现在正在使用，但这是最后的手段，我正在寻找改进：谢谢，这个例子非常好用，我将在我的代码中尝试。