Spark数据帧计算按行最小值

Question

我正在尝试将几列的最小值放入单独的列中。 （创建min列）。该操作非常简单，但我无法为此找到合适的功能：
A B分钟
1 2 1
2 1 1
3 1 1
1 4 1

非常感谢您的帮助！

Answer 1

您可以在 pyspark 中使用least函数：

from pyspark.sql.functions import least
df.withColumn('min', least('A', 'B')).show()
#+---+---+---+
#|  A|  B|min|
#+---+---+---+
#|  1|  2|  1|
#|  2|  1|  1|
#|  3|  1|  1|
#|  1|  4|  1|
#+---+---+---+

如果您具有列名列表：

cols = ['A', 'B']
df.withColumn('min', least(*cols))

与 Scala 类似：

import org.apache.spark.sql.functions.least
df.withColumn("min", least($"A", $"B")).show
+---+---+---+
|  A|  B|min|
+---+---+---+
|  1|  2|  1|
|  2|  1|  1|
|  3|  1|  1|
|  1|  4|  1|
+---+---+---+

如果列存储在Seq中：

val cols = Seq("A", "B")    
df.withColumn("min", least(cols.head, cols.tail: _*))