搜索客，搜索人自己的社区

es 相对于 group by haveing 有没有什么类似的方法实现

贡献

Elasticsearch • devilhookey 回复了问题 • 3 人关注 • 2 个回复 • 5055 次浏览 • 2016-11-10 19:03 • 来自相关话题

ES2.2.0设置bulk线程池无效

贡献

Elasticsearch • wx7614140 回复了问题 • 2 人关注 • 2 个回复 • 4887 次浏览 • 2016-11-09 18:26 • 来自相关话题

es5.0的插件问题

贡献

Elasticsearch • roc 回复了问题 • 3 人关注 • 2 个回复 • 4962 次浏览 • 2016-11-10 14:38 • 来自相关话题

ELK 不同行之间取值计算问题

Elasticsearch • leoruan 发起了问题 • 1 人关注 • 0 个回复 • 4449 次浏览 • 2016-11-08 22:14 • 来自相关话题

completion suggest

Elasticsearch • jakemanse 发起了问题 • 1 人关注 • 0 个回复 • 3274 次浏览 • 2016-11-08 18:58 • 来自相关话题

Pandasticsearch: An Elasticsearch client exposing DataFrame API

Elasticsearch • onesuper 发表了文章 • 0 个评论 • 5903 次浏览 • 2016-11-08 18:02 • 来自相关话题

https://github.com/onesuper/pandasticsearch

# Create a DataFrame object

from pandasticsearch import DataFrame

df = DataFrame.from_es('http://localhost:9200', index='people')



# Print the schema(mapping) of the index

df.print_schema()

# company

# |-- employee

#   |-- name: {'index': 'not_analyzed', 'type': 'string'}

#   |-- age: {'type': 'integer'}

#   |-- gender: {'index': 'not_analyzed', 'type': 'string'}



# Inspect the columns

df.columns

#['name', 'age', 'gender']



# Get the column

df.name

# Column('name')



# Filter

df.filter(df.age < 13).collect()

# [Row(age=12,gender='female',name='Alice'), Row(age=11,gender='male',name='Bob')]



# Project

df.filter(df.age < 25).select('name', 'age').collect()

# [Row(age=12,name='Alice'), Row(age=11,name='Bob'), Row(age=13,name='Leo')]



# Print the rows into console

df.filter(df.age < 25).select('name').show(3)

# +------+

# | name |

# +------+

# | Alice|

# | Bob  |

# | Leo  |

# +------+



# Sort

df.sort(df.age.asc).select('name', 'age').collect()

#[Row(age=11,name='Bob'), Row(age=12,name='Alice'), Row(age=13,name='Leo')]



# Aggregate

df[df.gender == 'male'].agg(df.age.avg).collect()

# [Row(avg(age)=12)]



# Groupby

df.groupby('gender').collect()

# [Row(doc_count=1), Row(doc_count=2)]



# Groupby and then aggregate

df.groupby('gender').agg(df.age.max).collect()

# [Row(doc_count=1, max(age)=12), Row(doc_count=2, max(age)=13)]



# Convert to Pandas object for subsequent analysis

df[df.gender == 'male'].agg(df.age.avg).to_pandas()

#    avg(age)

# 0        12