要使用窗口功能，您必须先创建一个窗口。定义与普通SQL几乎相同，这意味着您可以定义顺序，分区或同时定义两者。首先让我们创建一些虚拟数据：
import numpy as npnp.random.seed(1)keys = ["foo"] * 10 + ["bar"] * 10values = np.hstack([np.random.normal(0, 1, 10), np.random.normal(10, 1, 100)])df = sqlContext.createDataframe([ {"k": k, "v": round(float(v), 3)} for k, v in zip(keys, values)])确保您正在使用
HiveContext（仅限Spark <2.0）：
from pyspark.sql import HiveContextassert isinstance(sqlContext, HiveContext)
创建一个窗口：
from pyspark.sql.window import Windoww = Window.partitionBy(df.k).orderBy(df.v)
相当于
(PARTITION BY k ORDER BY v)
在SQL中。
根据经验，窗口定义应始终包含
PARTITION BY子句，否则Spark会将所有数据移至单个分区。
ORDERBY某些功能是必需的，而在不同情况下（通常是聚合）可能是可选的。
还有两个可选选项，可用于定义窗口span-
ROWS BETWEEN和
RANGE BETWEEN。在这种特定情况下，这些对我们没有用。
最后，我们可以将其用于查询：
from pyspark.sql.functions import percentRank, ntiledf.select( "k", "v", percentRank().over(w).alias("percent_rank"), ntile(3).over(w).alias("ntile3"))注意，这
ntile与分位数没有任何关系。
