Question

我的数据框如下：

A     B    C
---------------
A1    B1   0.8
A1    B2   0.55
A1    B3   0.43

A2    B1   0.7
A2    B2   0.5
A2    B3   0.5

A3    B1   0.2
A3    B2   0.3
A3    B3   0.4

如何转换列＆＃39; C＆＃39;每列A的相对等级（更高的分数 - >更好的等级）？预期产出：

A     B    Rank
---------------
A1    B1   1
A1    B2   2
A1    B3   3

A2    B1   1
A2    B2   2
A2    B3   2

A3    B1   3
A3    B2   2
A3    B3   1

我想要达到的最终状态是聚合列B并存储每个A的等级：

示例：

B    Ranks
B1   [1,1,3]
B2   [2,2,2]
B3   [3,2,1]

Answer 1

添加排名：

from pyspark.sql.functions import *
from pyspark.sql.window import Window

ranked =  df.withColumn(
  "rank", dense_rank().over(Window.partitionBy("A").orderBy(desc("C"))))

分组：

grouped = ranked.groupBy("B").agg(collect_list(struct("A", "rank")).alias("tmp"))

排序并选择：

grouped.select("B", sort_array("tmp")["rank"].alias("ranks"))

使用Spark 2.1.0进行测试。

Answer 2

windowSpec = Window.partitionBy("col1").orderBy("col2")

ranked = demand.withColumn("col_rank", row_number().over(windowSpec))

ranked.show(1000)

[！[示例] [1]] [1]

使用pyspark分组By，Rank和聚合火花数据框

2 个答案: