DataFrames.jl中唯一值组合汇总表

我经常想在数据表中找到一些分组变量的唯一组合。使用R+dplyr，我的正常工作流程是组合

groupby（data，var1，var2，var3）%%>%summary

，它返回一个新表，其中列

var1

，

var2

，

var3

，在

data

中找到的值的每个唯一组合对应一行

---

在DataFrames.jl中，这样做的惯用方法是什么？

在DataFrames.jl中，数据帧是行的集合。因此，这里正确的心智模型是首先只选择您关心的列，然后从该表中获取唯一的行，如中所示

select(data, [:var1, :var2, :var3]) |> unique!

（或者如果你讨厌烟斗/喜欢额外的帕伦斯：

unique!(select(data, [:var1, :var2, :var3]))

此处建议使用

unique！

，因为

select

会复制基础列。或者，您可以使用视图或索引，但这需要

unique

（不会改变基础列向量），以免损坏原始数据帧：

unique(data[!, [:var1, :var2, :var3]])
unique(view(data, :, [:var1, :var2, :var3]))

---

或者你可以写：

keys(groupby(data, [:var1, :var2, :var3]))

获取唯一分组键的向量。然后，如果需要，可以通过以下方式将它们收集到

数据帧中：

groupby(data, [:var1, :var2, :var3]) |> keys |> DataFrame