Clickhouse apply函数

dblab-VirtualBox :) CREATE TABLE columns_transformers (i Int64, j Int16, k Int64) ENGINE = MergeTree ORDER by (i);

CREATE TABLE columns_transformers
(
    `i` Int64,
    `j` Int16,
    `k` Int64
)
ENGINE = MergeTree
ORDER BY i

Query id: 05c008a6-ab92-43ae-90d5-5311d4b5e993

Ok.

0 rows in set. Elapsed: 0.004 sec. 

dblab-VirtualBox :) INSERT INTO columns_transformers VALUES (100, 10, 324), (120, 8, 23);

INSERT INTO columns_transformers VALUES

Query id: 5b5624a3-3001-42ef-917e-6f56f74926e0

Ok.

2 rows in set. Elapsed: 0.007 sec. 

dblab-VirtualBox :) show tables;

SHOW TABLES

Query id: 7536b671-a7ca-4def-96af-598c269c35a8

┌─name─────────────────┐
│ columns_transformers │
│ tb_summ_merge_tree   │
└──────────────────────┘

2 rows in set. Elapsed: 0.006 sec. 

dblab-VirtualBox :) select * from columns_transformers;

SELECT *
FROM columns_transformers

Query id: 7a598b5b-45c2-4758-a147-0a79841961e9

┌───i─┬──j─┬───k─┐
│ 100 │ 10 │ 324 │
│ 120 │  8 │  23 │
└─────┴────┴─────┘

2 rows in set. Elapsed: 0.006 sec. 

dblab-VirtualBox :) SELECT * APPLY(sum) FROM columns_transformers;

SELECT * APPLY sum
FROM columns_transformers

Query id: 77f853af-78d8-420b-a7be-3a1cef2a762b

┌─sum(i)─┬─sum(j)─┬─sum(k)─┐
│    220 │     18 │    347 │
└────────┴────────┴────────┘

1 rows in set. Elapsed: 0.006 sec.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas的apply函数是一个非常有用的函数,它可以将一个自定义的函数应用到DataFrame或Series的每一行或每一个元素上。通过apply函数,我们可以对数据进行自定义的操作和转换。 apply函数的基本语法是:df.apply(func, axis=0/1) 其中,func是我们自定义的函数,可以是一个lambda表达式或者普通的函数。axis参数指定了应用函数的方向,axis=0表示按列应用函数,axis=1表示按行应用函数。 当我们使用apply函数时,它会遍历DataFrame或Series的每一行或每一个元素,并将其作为参数传递给我们定义的函数。然后,我们可以在函数中对数据进行处理、计算或其他操作,并返回处理后的结果。 下面是一个示例,展示了如何使用apply函数计算DataFrame中每一行的和: ```python import pandas as pd # 创建一个示例DataFrame data = {'A': [1, 2, 3], 'B': [4, 5, 6]} df = pd.DataFrame(data) # 定义一个函数,计算每一行的和 def row_sum(row): return row['A'] + row['B'] # 使用apply函数应用row_sum函数到每一行 df['Sum'] = df.apply(row_sum, axis=1) print(df) ``` 输出结果为: ``` A B Sum 0 1 4 5 1 2 5 7 2 3 6 9 ``` 这里,我们定义了一个函数row_sum,它接收一个参数row,表示DataFrame中的每一行。在函数中,我们通过row['A']和row['B']分别获取每一行的'A'列和'B'列的值,并将它们相加作为结果返回。然后,我们使用apply函数将row_sum函数应用到每一行,并将计算结果存储在新的'Sum'列中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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