假设我有以下格式的dataframe
:
-------------------------------
col1 | col2 | col3
-------------------------------
value11 | value21 | value31
value12 | value22 | value32
value11 | value22 | value33
value12 | value21 | value33
此处,列col1
具有value11, value12
作为不同的值。我想要列value11, value12
的每个不同值col1
的出现次数。
答案 0 :(得分:1)
您可以groupBy
col1 ,然后count
:
import org.apache.spark.sql.functions.count
df.groupBy("col1").agg(count("col1")).show
+-------+-----------+
| col1|count(col1)|
+-------+-----------+
|value12| 2|
|value11| 2|
+-------+-----------+
如果您想知道 col1 中有多少个不同的值,您可以使用countDistinct
:
import org.apache.spark.sql.functions.countDistinct
df.agg(countDistinct("col1").as("n_distinct")).show
+----------+
|n_distinct|
+----------+
| 2|
+----------+