Spark SQL中对此Pandas操作的相应查询是什么？

Question

我有一个数据框df，有5列

student_id
course_id
course_date
attendance_id

这些列都不是唯一的，但student_id和attendance_id的组合将是唯一的。我想通过选择最早的course_date来创建一个对new_df唯一的新数据框student_id。在熊猫，我这样做：

new_df = df.groupby(['student_id']).apply(lambda x: x.nsmallest(1,'course_date')).reset_index(drop=1)

如果df有1600行，1000个不同的student_id，那么new_df将有1000行，1000个不同的student_id。

如何在Spark SQL或普通SQL中执行此操作？

Answer 1

尝试类似：

SELECT student_id, min(course_date)
FROM table_name
GROUP BY student_id