栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

如何在Spark SQL中为每个组创建z分数

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

如何在Spark SQL中为每个组创建z分数

例如,您可以

join
使用原始数据计算统计信息:

stats = (df.groupBy("dsc")  .agg(      func.stddev_pop("TranAmount").alias("sd"),       func.avg("TranAmount").alias("avg")))df.join(broadcast(stats), ["dsc"])(df    .join(func.broadcast(stats), ["dsc"])    .select("dsc", "TranAmount", (df.TranAmount - stats.avg) / stats.sd))

或使用具有标准偏差公式的窗口函数:

from pyspark.sql.window import Windowimport sysdef z_score_w(col, w):    avg_ = func.avg(col).over(w)    avg_sq = func.avg(col * col).over(w)    sd_ = func.sqrt(avg_sq - avg_ * avg_)    return (col - avg_) / sd_w = Window().partitionBy("dsc").rowsBetween(-sys.maxsize, sys.maxsize)df.withColumn("zscore", z_score_w(df.TranAmount, w))


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/419912.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号