Question

我有一个像这样的数据框

    df.show(5)
    kv   |list1     |list2                |p
   [k1,v2|[1,2,5,9  |[5,1,7,9,6,3,1,4,9]  |0.5
   [k1,v3|[1,2,5,8,9|[5,1,7,9,6,3,1,4,15] |0.9
   [k2,v2|[77,2,5,9]|[0,1,8,9,7,3,1,4,100]|0.01
   [k5,v5|[1,0,5,9  |[5,1,7,9,6,3,1,4,3]  |0.3
   [k9,v2|[1,2,5,9  |[5,1,7,9,6,3,1,4,200]|2.5
   df.count()
   5200158

我想获得最大p的行，这对我有用，但我不知道是否有另一种清洁方式

     val f = df.select(max(struct(
    col("pp") +: df.columns.collect { case x if x != "p" => col(x) }: _*
  ))).first()

Answer 1

只需按顺序排序：

$ ng new my-new-app

或

import org.apache.spark.sql.functions.desc

df.orderBy(desc("pp")).take(1)

Answer 2

您也可以使用Window-Functions，如果选择行的逻辑变得更复杂（全局最小/最大值除外），这尤其有用：

import  org.apache.spark.sql.expressions.Window

df
  .withColumn("max_p",max($"p").over(Window.partitionBy()))
  .where($"p" === $"max_p")
  .drop($"max_p")
  .first()

如何从数据帧中获取特定列中具有最大值的行？

2 个答案: