Group by count: sql — How to use count and group by at the same select statement

SQL COUNT* GROUP BY больше, чем,

спросил
10 лет, 10 месяцев назад

Изменено
5 лет, 8 месяцев назад

Просмотрено
106 тысяч раз

Я хочу выбрать отдельные ключи с номером вхождения, этот запрос работает:

 SELECT ItemMetaData.KEY, ItemMetaData.VALUE, count(*)
ИЗ ItemMetaData
СГРУППИРОВАТЬ ПО ItemMetaData.KEY
ORDER BY count(*) desc;
 

Но я также хочу отфильтровать этот результат, то есть я хочу только там, где count(*) больше 2500, поэтому будут показаны только случаи больше 2500, но:

 SELECT *
ОТ
(
    ВЫБЕРИТЕ ItemMetaData.KEY, ItemMetaData.VALUE, количество (*)
    ИЗ ItemMetaData
    СГРУППИРОВАТЬ ПО ItemMetaData.KEY
    ORDER BY count(*) desc
) как результат WHERE count(*)>2500;
 

К сожалению, этот запрос приводит к синтаксической ошибке. Можете ли вы помочь мне выполнить мое требование?

• sql
• количество
• группировка по

1

Предложение HAVING для агрегатов

 SELECT ItemMetaData.KEY, ItemMetaData.VALUE, count(*)
ИЗ ItemMetaData
Сгруппировать по ItemMetaData.KEY, ItemMetaData.VALUE
Имея количество (*)> 2500
ORDER BY count(*) desc;
 

Вы должны использовать с с групповыми функциями вместо , где . Например:

 выберите..., count(*) from... group by... имея count(*) > 2500;
 

Вам не нужно использовать подзапрос — просто используйте с предложением вместо предложения where для фильтрации по агрегированному столбцу.

 ВЫБОР
ItemMetaData.KEY, ItemMetaData.VALUE, количество (*)
ИЗ ItemMetaData
СГРУППИРОВАТЬ ПО ItemMetaData.KEY
Имея количество (*)> 2500
ORDER BY count(*) desc
 

Вот объяснение: В предложении WHERE вводится условие для отдельных строк; Предложение HAVING вводит условие для агрегаций.

Использовать ГДЕ до ГРУППИРОВАТЬ ПО и ИМЕТЬ после ГРУППИРОВАТЬ ПО . Это не обязательно, но полезно в большинстве случаев.

 ВЫБОР
       ItemMetaData.KEY, ItemMetaData.VALUE, СЧЕТ(*)
ИЗ ItemMetaData
ГРУППА ПО
       ItemMetaData.KEY, ItemMetaData.VALUE
СЧЕТ(*) > 2500
ЗАКАЗАТЬ ПО СЧЕТУ(*) DESC;
 

Зарегистрируйтесь или войдите в систему

Зарегистрируйтесь с помощью Google

Зарегистрироваться через Facebook

Зарегистрируйтесь, используя электронную почту и пароль

Опубликовать как гость

Электронная почта

Обязательно, но не отображается

Опубликовать как гость

Электронная почта

Требуется, но не отображается

Pandas groupby() и count() с примерами

Распространяйте любовь

Вы можете использовать pandas DataFrame. groupby().count() для группировки столбцов и вычисления количества или совокупного размера, это вычисляет количество строк для каждой группы комбинация.

В этой статье я объясню, как использовать агрегаты groupby() и count() вместе с примерами. группаПо() 9Функция 0036 используется для сбора идентичных данных в группы и выполнения агрегатных функций, таких как размер/счет для сгруппированных данных.

1. Краткие примеры groupby() и count() в DataFrame

Если вы спешите, ниже приведены несколько кратких примеров того, как сгруппировать по столбцам и получить количество для каждой группы из DataFrame.

# Ниже приведены краткие примеры
# Использование groupby() и count()
df2 = df.groupby(['Курсы'])['Курсы'].count()
# Использование GroupBy и count() для нескольких столбцов
df2 = df.groupby(['Курсы','Продолжительность'])['Плата'].count()
# Использование GroupBy и size() для нескольких столбцов
df2 = df.groupby(['Курсы','Продолжительность'])['Плата'].size()
# используя DataFrame. size() и max()
df2 = df.groupby(['Курсы','Продолжительность']).size().groupby(уровень=0).max()
# Использовать метод size().reset_index()
df2 = df.groupby(['Курсы','Продолжительность']).size().reset_index(name='counts')
# Использование pandas DataFrame.reset_index()
df2 = df.groupby(['Курсы','Продолжительность'])['Стоимость'].agg('count').reset_index()
# Использование DataFrame.transform()
df2 = df.groupby(['Курсы','Продолжительность']).Courses.transform('счетчик')
# Используйте DataFrame.groupby() и Size()
print(df.groupby(['Скидка','Продолжительность']).size()
   .sort_values ​​(по возрастанию = ложь)
   .reset_index (имя = 'количество')
   .drop_duplicates (подмножество = 'Продолжительность'))
 

Теперь давайте создадим DataFrame с несколькими строками и столбцами, выполним эти примеры и проверим результаты. Наш DataFrame содержит имена столбцов Courses , Fee , Duration и Discount .

# Создаем кадр данных pandas. 
импортировать панд как pd
технологии = ({
    «Курсы»: ["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python"],
    «Плата»: [22000,25000,23000,24000,26000,25000,25000,22000],
    «Продолжительность»: ['30дней','50дней','35дней','40дней','60дней','35дней','55дней','50дней'],
    «Скидка»: [1000,2300,1000,1200,2500,1300,1400,1600]
                })
df = pd.DataFrame(технологии, столбцы=['Курсы','Плата','Продолжительность','Скидка'])
печать (дф)
 

Выход ниже выходного.

   Курсы Стоимость Продолжительность Скидка
0 Искра 22000 30 дней 1000
1 PySpark 25000 50 дней 2300
2 Hadoop 23000 35дней 1000
3 Python 24000 40дней 1200
4 Панды 26000 60дней 2500
5 Hadoop 25000 35дней 1300
6 Искра 25000 55 дней 1400
7 Python 22000 50дней 1600
 

2. Используйте count() по имени столбца

Используйте pandas DataFrame.groupby() для группировки строк по столбцу и используйте count() метод для получения количества для каждой группы, игнорируя значения None и Nan. Он также работает с данными неплавающего типа. В приведенном ниже примере группируется столбец «Курсы» и подсчитывается, сколько раз присутствует каждое значение.

# Использование groupby() и count()
df2 = df.groupby(['Курсы'])['Курсы'].count()
печать (df2)
 

Выход ниже выходного.

Курсы
Хадуп 2
Панды 1
ПиСпарк 1
Питон 2
Искра 2
Название: Курсы, dtype: int64
 

3. pandas groupby() и count() в списке столбцов

Вы также можете отправить список столбцов, которые вы хотите сгруппировать, в метод groupby(), используя это, вы можете применить группировку к нескольким столбцам и рассчитать количество. каждой комбинированной группы. Например, df.groupby(['Courses','Duration'])['Fee'].count()  выполняет группировку по столбцам Courses и Duration и, наконец, подсчитывает количество.

# Использование groupby() и count() для нескольких столбцов
df2 = df.groupby(['Курсы','Продолжительность'])['Плата']. count()
печать (df2)
 

Выход ниже выходного.

Продолжительность курсов
Хадуп 35дней 2
Панды 60дней 1
PySpark 50дней 1
Питон 40дней 1
         50 дней 1
Искра 30дней 1
         55 дней 1
Имя: Плата, dtype: int64
 

4. Сортировка после группировки и подсчета

Иногда требуется выполнить сортировку (по возрастанию или убыванию) после группировки и подсчета. Вы можете добиться этого, используя приведенный ниже пример.

Обратите внимание, что по умолчанию группа сортирует результаты по групповому ключу, поэтому это займет дополнительное время. Если у вас есть проблемы с производительностью и вы не хотите сортировать группу по результату, вы можете отключить эту функцию с помощью кнопки 9.0035 sort=False параметр.

# Сортировка после groupby() и count()
# Сортировка групповых ключей по убыванию
groupedDF = df.groupby('Курсы', sort=False).count()
sortedDF=groupedDF.sort_values('Курсы', по возрастанию=False)['Плата']
печать (отсортированоDF)
 

Выход ниже выходного.

Курсы
Искра 2
Питон 2
ПиСпарк 1
Панды 1
Хадуп 2
Имя: Плата, dtype: int64
 

5. Использование groupby() с size()

Кроме того, вы также можете использовать size() для получения количества строк для каждой группы. Вы можете использовать df.groupby(['Courses','Duration']).size() для получения общего количества элементов для каждой группы Курсы и Продолжительность . колонны

# Использование GroupBy и size() для нескольких столбцов
df2 = df.groupby(['Курсы','Продолжительность'])['Плата'].size()
печать (df2)
 

Выдает тот же результат, что и выше.

Используйте df.groupby(['Courses','Duration']).size().groupby(level=1).max() , чтобы указать, какой уровень вы хотите использовать в качестве вывода. Обратите внимание, что уровень начинается с нуля.

# используя DataFrame.size() и max()
df2 = df.groupby(['Курсы','Продолжительность']).size().groupby(уровень=0).max()
печать (df2)
 

Выход ниже выходного.

Курсы
Хадуп 2
Панды 1
ПиСпарк 1
Питон 1
Искра 1
тип: int64
 

Затем используйте size().reset_index(name='counts') , чтобы присвоить имя столбцу счетчика.

# Использовать метод size().reset_index()
df2 = df.groupby(['Курсы','Продолжительность']).size().reset_index(name='counts')
печать (df2)
 

Выход ниже выходного.

   Учитывается продолжительность курсов
0 Хадуп 35дней 2
1 Панды 60 дней 1
2 PySpark 50дней 1
3 Питон 40дней 1
4 Питон 50дней 1
5 Искра 30дней 1
6 Искра 55дней 1
 

6. Pandas groupby() и использование agg(‘count’)

Кроме того, вы также можете получить количество групп, используя функцию agg() илиaggregate() и передав функцию совокупного подсчета в качестве параметра. Функция reset_index() используется для установки индекса в DataFrame. Используя этот подход, вы можете вычислить несколько агрегаций.

# Использование pandas DataFrame.reset_index()
df2 = df.groupby(['Курсы','Продолжительность'])['Стоимость']. agg('count').reset_index()
печать (df2)
 

Выход ниже выходного.

   Стоимость курсов
0 Хадуп 35дней 2
1 Панды 60 дней 1
2 PySpark 50дней 1
3 Питон 40дней 1
4 Питон 50дней 1
5 Искра 30дней 1
6 Искра 55дней 1
 

7. Использование DataFrame.transform()

Вы можете использовать df.groupby(['Courses','Fee']).Courses.transform('count') , чтобы добавить новый столбец, содержащий группы отсчетов в DataFrame.

# Использование DataFrame.transform()
df2 = df.groupby(['Курсы','Продолжительность']).Courses.transform('счетчик')
печать (df2)
 

Выход ниже выходного.

0 1
1 1
2 2
3 1
4 1
5 2
6 1
7 1
Название: Курсы, dtype: int64
 

8. Другие примеры

Теперь давайте посмотрим, как отсортировать строки из результата группировки pandas и удалить повторяющиеся строки из pandas DataFrame.

# Используйте DataFrame.groupby() и Size()
print(df.groupby(['Скидка','Продолжительность']).size()
   . sort_values ​​(по возрастанию = ложь)
   .reset_index (имя = 'количество')
   .drop_duplicates (подмножество = 'Продолжительность'))
 

Выход ниже выходного.

Название: Курсы, dtype: int64
   Счетчик продолжительности скидки
0 1000 30 дней 1
1 1000 35 дней 1
2 1200 40 дней 1
4 1400 55 дней 1
5 1600 50 дней 1
7 2500 60 дней 1
 

9. Полный пример groupby и count

# Создаем кадр данных pandas.
импортировать панд как pd
технологии = ({
    «Курсы»: ["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python"],
    «Плата»: [22000,25000,23000,24000,26000,25000,25000,22000],
    «Продолжительность»: ['30дней','50дней','35дней','40дней','60дней','35дней','55дней','50дней'],
    «Скидка»: [1000,2300,1000,1200,2500,1300,1400,1600]
                })
df = pd.DataFrame(технологии, столбцы=['Курсы','Плата','Продолжительность','Скидка'])
печать (дф)
# Использование groupby() и count()
df2 = df.groupby(['Курсы'])['Курсы'].count()
печать (df2)
# Использование GroupBy и count() для нескольких столбцов
df2 = df. groupby(['Курсы','Продолжительность'])['Плата'].count()
печать (df2)
# Использование GroupBy и size() для нескольких столбцов
df2 = df.groupby(['Курсы','Продолжительность'])['Плата'].size()
печать (df2)
# используя DataFrame.size() и max()
df2 = df.groupby(['Курсы','Продолжительность']).size().groupby(уровень=0).max()
печать (df2)
# Использовать метод size().reset_index()
df2 = df.groupby(['Курсы','Продолжительность']).size().reset_index(name='counts')
печать (df2)
# Использование pandas DataFrame.reset_index()
df2 = df.groupby(['Курсы','Продолжительность'])['Стоимость'].agg('count').reset_index()
печать (df2)
# Использование DataFrame.transform()
df2 = df.groupby(['Курсы','Продолжительность']).Courses.transform('счетчик')
печать (df2)
# Используйте DataFrame.groupby() и Size()
print(df.groupby(['Скидка','Продолжительность']).size()
   .sort_values ​​(по возрастанию = ложь)
   .reset_index (имя = 'количество')
   .drop_duplicates (подмножество = 'Продолжительность'))
 

Заключение

В этой статье вы узнали, как группировать по одному и нескольким столбцам и получать количество строк из pandas DataFrame с помощью DataFrame.