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

比较Pyspark中的列

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

比较Pyspark中的列

您可以减少在列列表中使用SQL表达式:

from pyspark.sql.functions import max as max_, col, whenfrom functools import reducedef row_max(*cols):    return reduce(        lambda x, y: when(x > y, x).otherwise(y),        [col(c) if isinstance(c, str) else c for c in cols]    )df = (sc.parallelize([(1, 2, 3), (2, 1, 2), (3, 4, 5)])    .toDF(["a", "b", "c"]))df.select(row_max("a", "b", "c").alias("max")))

Spark 1.5+还提供

least
greatest

from pyspark.sql.functions import greatestdf.select(greatest("a", "b", "c"))

如果要保留最大名称,可以使用`structs:

from pyspark.sql.functions import struct, litdef row_max_with_name(*cols):    cols_ = [struct(col(c).alias("value"), lit(c).alias("col")) for c in cols]    return greatest(*cols_).alias("greatest({0})".format(",".join(cols))) maxs = df.select(row_max_with_name("a", "b", "c").alias("maxs"))

最后,您可以使用上面的内容来选择“顶部”列:

from pyspark.sql.functions import max((_, c), ) = (maxs    .groupBy(col("maxs")["col"].alias("col"))    .count()    .agg(max(struct(col("count"), col("col"))))    .first())df.select(c)


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/638537.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