我是Spark的新手,我对SparkSQL中的聚合函数for iii = 0 to Power(M, N) - 1
Clear Collections
i = iii //number of combination
for k = 0 to N - 1 do
j = i mod M //integer modulo, %
//gives k-th digit of number i in M-radix representation
//counting from right to left
Collections[j].Add(Object[k])
i = i div M //integer division
output Collections
和MAX
有一些疑问
在SparkSQL中,当我使用MIN
/ MAX
函数时,仅返回MIN
/ MAX(value)
。
但是,如果我还想要其他相应的列怎么样?
例如给定包含MIN(value)
,time
和value
列的数据框,如何将label
与time
按MIN(Value)
分组?
感谢。
答案 0 :(得分:1)
您需要先执行groupBy
,然后再join
返回原始DataFrame
。在Scala中,它看起来像这样:
df.join(
df.groupBy($"label").agg(min($"value") as "min_value").withColumnRenamed("label", "min_label"),
$"min_label" === $"label" && $"min_value" === $"value"
).drop("min_label").drop("min_value").show
我不使用Python,但它看起来很接近上面的内容。
您甚至可以一次性执行max()
和min()
:
df.join(
df.groupBy($"label")
.agg(min($"value") as "min_value", max($"value") as "max_value")
.withColumnRenamed("label", "r_label"),
$"r_label" === $"label" && ($"min_value" === $"value" || $"max_value" === $"value")
).drop("r_label")
答案 1 :(得分:-1)
您可以使用sortByKey(true)按升序排序,然后应用操作“take(1)”来获取Max。
并使用sortByKey(false)按降序排序,然后应用操作“take(1)”获得Min
如果你想使用spark-sql方式,你可以按照@maxymoo解释的方法