lodash group by and sum

var data=[{value:1200,count:5},{value:1200,count:10},{value:1230,count:5},{value:1240,count:5}];
console.log(_.chain(data)
    .groupBy("value")
    .map(function(value, key) {
        return [key, _.reduce(value, function(result, currentObject) {
            return {
                value: currentObject.value,
                count: result.count+ currentObject.count
            }
        }, {
            value: 0,
            count: 0
        })];
    })
    .object()
    .value());

  lodash js数组分组汇总

转载于:https://www.cnblogs.com/AskySun/p/5114104.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
groupby.sum是一个用于对数据进行分组并计算分组内元素和的函数。它可以按照指定的列进行分组,并对其他列进行求和操作。具体来说,在使用groupby.sum函数时,我们需要指定需要分组的列,以及需要进行求和的列。然后,该函数会将数据按照指定的列进行分组,并计算每个分组内指定列的和。最后,返回一个包含分组结果和求和值的新表格。 举个例子,如果我们有一个名为df的表格,其中包含"user"和"消费金额"两列。我们可以使用groupby.sum函数按照"user"列进行分组,并计算每个用户的"消费金额"的总和。输出结果将是一个以"user"为索引的新表格,其中包含每个用户的总消费金额。 例如,给定以下表格数据: | user | 消费金额 | |---------|--------| | user1 | 12 | | user1 | 12 | | user2 | 15 | | user2 | 15 | | user3 | 17 | | user2 | 20 | 我们可以使用groupby.sum函数进行如下操作: df.groupby('user').sum() 输出结果将是一个新表格,包含每个用户的总消费金额: | user | 消费金额 | |---------|--------| | user1 | 24 | | user2 | 50 | | user3 | 17 | 所以,groupby.sum函数可以用于根据指定的列进行分组,并对其他列进行求和操作,得到每个分组的求和结果。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [简单介绍MySQL中GROUP BY子句的使用](https://download.csdn.net/download/weixin_38501751/14834975)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [简单东西-group by与sum一起进行数据统计](https://blog.csdn.net/wojiushiwo945you/article/details/51151390)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [python pandas中groupby()的使用,sum和count](https://blog.csdn.net/qq_39290990/article/details/121435796)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值