from odps.df import DataFrame

iris = DataFrame(o.get_table('pyodps_iris'))

窗口函数

DataFrame API也支持使用窗口函数：

>>> grouped = iris.groupby('name')
>>> grouped.mutate(grouped.sepallength.cumsum(), grouped.sort('sepallength').row_number()).head(10)
          name  sepallength_sum  row_number
0  Iris-setosa            250.3           1
1  Iris-setosa            250.3           2
2  Iris-setosa            250.3           3
3  Iris-setosa            250.3           4
4  Iris-setosa            250.3           5
5  Iris-setosa            250.3           6
6  Iris-setosa            250.3           7
7  Iris-setosa            250.3           8
8  Iris-setosa            250.3           9
9  Iris-setosa            250.3          10

窗口函数可以使用在列选择中：

>>> iris['name', 'sepallength', iris.groupby('name').sort('sepallength').sepallength.cumcount()].head(5)
          name  sepallength  sepallength_count
0  Iris-setosa          4.3                  1
1  Iris-setosa          4.4                  2
2  Iris-setosa          4.4                  3
3  Iris-setosa          4.4                  4
4  Iris-setosa          4.5                  5

窗口函数按标量聚合时，和分组聚合的处理方式一致。

>>> from odps.df import Scalar
>>> iris.groupby(Scalar(1)).sort('sepallength').sepallength.cumcount()

DataFrame API支持的窗口函数包括：

窗口函数	说明
cumsum	计算累积和
cummean	计算累积均值
cummedian	计算累积中位数
cumstd	计算累积标准差
cummax	计算累积最大值
cummin	计算累积最小值
cumcount	计算累积和
lag	按偏移量取当前行之前第几行的值，如当前行号为rn，则取行号为rn-offset的值
lead	按偏移量取当前行之后第几行的值，如当前行号为rn则取行号为rn+offset的值
rank	计算排名
dense_rank	计算连续排名
percent_rank	计算一组数据中某行的相对排名
row_number	计算行号，从1开始
qcut	将分组数据按顺序切分成n片，并返回当前切片值，如果切片不均匀，默认增加第一个切片的分布
nth_value	返回分组中的第n个值
cume_dist	计算分组中值小于等于当前值的行数占分组总行数的比例

其中，rank、dense_rank、percent_rank 和 row_number 支持下列参数：

参数名	说明
sort	排序关键字，默认为空
ascending	排序时，是否依照升序排序，默认 True

lag 和 lead 除 rank 的参数外，还支持下列参数：

参数名	说明
offset	取数据的行距离当前行的行数
default	当 offset 指定的行不存在时的返回值

而 cumsum、cummax、cummin、cummean、cummedian、cumcount 和 cumstd 除 rank 的上述参数外，还支持下列参数：

参数名	说明
unique	是否排除重复值，默认 False
preceding	窗口范围起点
following	窗口范围终点