Question

我的数据框看起来像：

item_id  week_id  sale amount
1           1         10
1           2         12
1           3         15
2           1         4
2           2         7
2           3         9

我想将此数据帧转换为新的数据框，如下所示：

item_id   week_1     week_2     week_3
1          10          12         15
2          4            7          9

这可以在R中轻松完成，但我不知道如何使用Scala使用Spark API。

Answer 1

您可以使用groupBy.pivot，然后汇总 sale_amount 列，在这种情况下，如果不超过一个，您可以从每个项目组合ID中获取第一个值每个组合中的行：

df.groupBy("item_id").pivot("week_id").agg(first("sale_amount")).show
+-------+---+---+---+
|item_id|  1|  2|  3|
+-------+---+---+---+
|      1| 10| 12| 15|
|      2|  4|  7|  9|
+-------+---+---+---+

如果item_id和week_id的每个组合都有多行，则可以使用其他聚合函数，例如 sum ：

df.groupBy("item_id").pivot("week_id").agg(sum("sale_amount")).show
+-------+---+---+---+
|item_id|  1|  2|  3|
+-------+---+---+---+
|      1| 10| 12| 15|
|      2|  4|  7|  9|
+-------+---+---+---+

要获得正确的列名，您可以在转动之前转换week_id列：

import org.apache.spark.sql.functions._

(df.withColumn("week_id", concat(lit("week_"), df("week_id"))).
    groupBy("item_id").pivot("week_id").agg(first("sale_amount")).show)

+-------+------+------+------+
|item_id|week_1|week_2|week_3|
+-------+------+------+------+
|      1|    10|    12|    15|
|      2|     4|     7|     9|
+-------+------+------+------+

如何＆＃34;密集＆＃34; Spark中的数据框

1 个答案: