SQL "разделить" похожую функцию в Python / R

Question

Есть ли какие-либо пакеты в R (data.table / dplyr) или в Python, которые могут выполнять приведенный ниже код SQL каким-то последовательным и простым способом?

Можете ли вы поделиться некоторыми примерами этого?

Пример того, что мне нужно:

Мой входной фрейм данных (CSV, sep - ";", заголовки - True):

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

Мой ожидаемый вывод (CSV, sep - ";", заголовки - True):

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

Мой код в SQL:

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;

С уважением

Answer 1

Добро пожаловать на SO!

Вот что вы можете сделать с R:

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)

Answer 2

В этом случае вы можете использовать метод transform с groupby.Это своего рода работает как partition by

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

в SQL, это дало мне следующий кадр выходных данных.

   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