我现有的数据框为:
Timestamp, ID, Value
29/08/2017 4:51:23, ID-1, 1.1
29/08/2017 4:52:14, ID-2, 2.1
29/08/2017 4:52:14, ID-3, 3.1
29/08/2017 4:55:23, ID-1, 1.2
29/08/2017 4:55:23, ID-3, 3.2
29/08/2017 4:57:42, ID-2, 2.2
我想从现有的数据框架创建一个数据框,以便“ID'将成为列名和'值'将成为各栏的数据:
Timestamp, ID-1, ID-2, ID-3
29/08/2017 4:51:23, 1.1, null, null
29/08/2017 4:52:14, null, 2.1, 3.1
29/08/2017 4:55:23, 1.2, null, 3.2
29/08/2017 4:57:42, null, 2.2, null
我无法在Scala中找到可行的解决方案。感谢帮助。提前谢谢。
答案 0 :(得分:1)
您只需将groupBy()
与piviot()
一起使用即可。使用您的示例数据框:
val spark = SparkSession.builder.getOrCreate()
import spark.implicits._
val df = ...
df.show()
+------------------+----+-----+
| Timestamp| ID|Value|
+------------------+----+-----+
|29/08/2017 4:51:23|ID-1| 1.1|
|29/08/2017 4:52:14|ID-2| 2.1|
|29/08/2017 4:52:14|ID-3| 3.1|
|29/08/2017 4:55:23|ID-1| 1.2|
|29/08/2017 4:55:23|ID-3| 3.2|
|29/08/2017 4:57:42|ID-2| 2.2|
+------------------+----+-----+
val newDF = df.groupBy("Timestamp")
.pivot("ID")
.agg(sum($"Value"))
newDF.show()
+------------------+----+----+----+
| Timestamp|ID-1|ID-2|ID-3|
+------------------+----+----+----+
|29/08/2017 4:57:42|null| 2.2|null|
|29/08/2017 4:55:23| 1.2|null| 3.2|
|29/08/2017 4:51:23| 1.1|null|null|
|29/08/2017 4:52:14|null| 2.1| 3.1|
+------------------+----+----+----+
如果两个或更多行的时间戳和id相同,则这些值将一起添加。如果您想要其他行为,只需更改agg()
方法即可。例如。平均值为agg(avg($"Value"))
。
希望它有所帮助!