如何计算pyspark数据框中列中每个分类变量的频率？

Question

说我有一个pyspark数据帧：

df.show()
+-----+---+
|  x  |  y|
+-----+---+
|alpha|  1|
|beta |  2|
|gamma|  1|
|alpha|  2|
+-----+---+

我想计算alpha列中出现beta，gamma和x的次数。我如何在pyspark中这样做？

Answer 1

使用pyspark.sql.DataFrame.cube()：

df.cube("x").count().show()