SQL"；按“划分”；Python/R中的类似特性

在R（data.table/dplyr）或Python中是否有任何包可以以某种一致和直接的方式执行下面的SQL代码

你能分享一些这样做的例子吗

我需要的示例：

我的输入数据帧（CSV，sep-“；”，标题-真）：

articule;group;is_new;ammount
1;fruits;1;100
2;fruits;1;200
3;fruits;1;300
4;fruits;0;400
5;frozen;0;500
6;frozen;0;600
7;frozen;0;700
8;frozen;1;800

articule;group;is_new;ammount;sum_by_group;sum_by_group_is_new;result
1;fruits;1;100;1000;600;0.60
2;fruits;1;200;1000;600;0.60
3;fruits;1;300;1000;600;0.60
4;fruits;0;400;1000;400;0.40
5;frozen;0;500;2600;1800;0.69
6;frozen;0;600;2600;1800;0.69
7;frozen;0;700;2600;1800;0.69
8;frozen;1;800;2600;800;0.31

我的预期输出（CSV，sep-“；”，标题-真）：

articule;group;is_new;ammount
1;fruits;1;100
2;fruits;1;200
3;fruits;1;300
4;fruits;0;400
5;frozen;0;500
6;frozen;0;600
7;frozen;0;700
8;frozen;1;800

articule;group;is_new;ammount;sum_by_group;sum_by_group_is_new;result
1;fruits;1;100;1000;600;0.60
2;fruits;1;200;1000;600;0.60
3;fruits;1;300;1000;600;0.60
4;fruits;0;400;1000;400;0.40
5;frozen;0;500;2600;1800;0.69
6;frozen;0;600;2600;1800;0.69
7;frozen;0;700;2600;1800;0.69
8;frozen;1;800;2600;800;0.31

我的SQL代码：

select a.*, sum_by_group_is_new / sum_by_group result from (

select a.*, 
sum(ammount) over (partition by group) sum_by_group,
sum(ammount) over(partition by group, is_new) sum_by_group_is_new 
from input_data_frame a

) a;

---

致以最诚挚的问候

在这种情况下，您可以将

转换

方法与

groupby

一起使用。它有点像SQL的

分区方式

df['sum_by_group'] = df.groupby('group').ammount.transform(sum)

df['sum_by_group_is_new'] = df.groupby(['group', 'is_new']).ammount.transform(sum)

df['result'] = df.sum_by_group_is_new / df.sum_by_group

这给了我以下输出数据帧

   articule   group  is_new  ammount  sum_by_group  sum_by_group_is_new    result
0         1  fruits       1      100          1000                  600  0.600000
1         2  fruits       1      200          1000                  600  0.600000
2         3  fruits       1      300          1000                  600  0.600000
3         4  fruits       0      400          1000                  400  0.400000
4         5  frozen       0      500          2600                 1800  0.692308
5         6  frozen       0      600          2600                 1800  0.692308
6         7  frozen       0      700          2600                 1800  0.692308
7         8  frozen       1      800          2600                  800  0.307692

欢迎来到SO

以下是您可以使用R执行的操作：

library(data.table)

DT <- data.table(
  articule = seq(8),
  group = rep(c("fruits", "frozen"), each = 4),
  is_new = c(rep(c(1, 0), each = 3), 0, 1),
  ammount = seq(100, 800, by = 100)
)

DT[, sum_by_group := sum(ammount), by = group]
DT[, sum_by_group_is_new := sum(ammount), by = .(group, is_new)]
DT[, result := sum_by_group_is_new / sum_by_group]

print(DT)

库（data.table）
这可能会有帮助。你能给你的问题添加一些输入和输出数据吗？我已经添加了一个例子。请看一下这个，好吗？请将示例添加为文本（而不是图像），这样我们就可以将其复制到python（或sql FIDLE）中并获得数据帧/sql表。另外，请发布输入和预期输出。我已经添加了输入和预期数据帧，请看这个。非常感谢！我在Dplyr中写了这篇文章，得到了：df%>%groupby（group）%%>%mutate（by_group=sum（amount））%%>%groupby（group，is_new）%%>%mutate（by_group\u is_new=sum（amount））%%mutate（result=by_group\u is_new/by_group）