Question

我有一个DataFrame，DataFrame hava两列＆＃39;值＆＃39;和＆＃39; timestamp＆＃39; timestmp＆＃39; timestmp＆＃39;订购，我想得到DataFrame的最后一行，我该怎么办？

这是我的意见：

+-----+---------+
|value|timestamp|
+-----+---------+
|    1|        1|
|    4|        2|
|    3|        3|
|    2|        4|
|    5|        5|
|    7|        6|
|    3|        7|
|    5|        8|
|    4|        9|
|   18|       10|
+-----+---------+

这是我的代码：

    val arr = Array((1,1),(4,2),(3,3),(2,4),(5,5),(7,6),(3,7),(5,8),(4,9),(18,10))
    var df=m_sparkCtx.parallelize(arr).toDF("value","timestamp")

这是我的预期结果：

+-----+---------+
|value|timestamp|
+-----+---------+
|   18|       10|
+-----+---------+

Answer 1

试试这个，它对我有用。

df.orderBy($"value".desc).show(1)

Answer 2

我只是reduce：

df.reduce { (x, y) => 
  if (x.getAs[Int]("timestamp") > y.getAs[Int]("timestamp")) x else y 
}

Answer 3

我会简单地使用查询 - 按降序排序 - 从此订单中获取第一个值

df.createOrReplaceTempView("table_df")
query_latest_rec = """SELECT * FROM table_df ORDER BY value DESC limit 1"""
latest_rec = self.sqlContext.sql(query_latest_rec)
latest_rec.show()

Answer 4

如果您的时间戳列是唯一且按升序排列，则有以下方法可以获取最后一行

println(df.sort($"timestamp", $"timestamp".desc).first())

// Output [1,1]

df.sort($"timestamp", $"timestamp".desc).take(1).foreach(println)

// Output [1,1]

df.where($"timestamp" === df.count()).show

输出：

+-----+---------+
|value|timestamp|
+-----+---------+
|   18|       10|
+-----+---------+

如果没有使用索引创建新列并选择下面的最后一个索引

val df1 = spark.sqlContext.createDataFrame(
    df.rdd.zipWithIndex.map {
  case (row, index) => Row.fromSeq(row.toSeq :+ index)
},
StructType(df.schema.fields :+ StructField("index", LongType, false)))

df1.where($"timestamp" === df.count()).drop("index").show

输出：

+-----+---------+
|value|timestamp|
+-----+---------+
|   18|       10|
+-----+---------+

Answer 5

最有效的方法是reduce您的DataFrame。这为您提供了一行可以转换回DataFrame的行，但由于它只包含1条记录，因此这没有多大意义。

sparkContext.parallelize(
  Seq(
  df.reduce {
    (a, b) => if (a.getAs[Int]("timestamp") > b.getAs[Int]("timestamp")) a else b 
   } match {case Row(value:Int,timestamp:Int) => (value,timestamp)}
  )
)
.toDF("value","timestamp")
.show


+-----+---------+
|value|timestamp|
+-----+---------+
|   18|       10|
+-----+---------+

效率较低（因为它需要改组）虽然这个解决方案更短：

df
.where($"timestamp" === df.groupBy().agg(max($"timestamp")).map(_.getInt(0)).collect.head)

Answer 6

Java：

Dataset<Row> sortDF = inputDF.orderBy(org.apache.spark.sql.functions.col(config.getIncrementingColumn()).desc());
Row row = sortDF.first()

Answer 7

您也可以使用此功能desc：require "rails/cli"

ng build --prod --aot=true

给出与

相同的结果

Column desc(String columnName)

如何从DataFrame获取最后一行？

7 个答案: