Question

我正在尝试使用Spark SQL函数＆＃39; WHEN / OTHERWISE＆＃39;在HiveContext中，与窗口中的LAG一起，为某些连续分钟数据中的升序数字计数字段创建DIFF字段，该字段经常重置为零。所以我需要纠正＆＃39;计数＆＃39;重置为零。

所以我的代码如下：

window = Window.partitionBy("car","trip_id").orderBy("car","datetime")
df = df.withColumn('new_count', F.when(df.num_count >= F.lag(df.num_count),(df.num_count- F.lag(df.num_count))).otherwise(df.num_count.astype('long')).over(window))

我在Pyspark的错误是在说：

: java.lang.UnsupportedOperationException: CASE WHEN ...<"variable names">...  is not supported in window operation

尝试使用＆＃34; sqlContext.sql（＆＃34;选择CASE WHEN ... lag（num_count）OVER ...＆＃34;）会更好吗？

Answer 1

窗口应单独应用于每个窗口功能。在这种特殊情况下，您可以简单地提取如下表达式：

num_count_lag = F.lag(df.num_count).over(window)

df.withColumn(
    'new_count',
    F.when(
        df.num_count >= num_count_lag,
        df.num_count - num_count_lag
    ).otherwise(df.num_count.astype('long'))
)

Spark 1.5.0（PySpark）案例当Logic＆amp;滞后窗函数

1 个答案: