这是我的确切要求。我必须添加一个名为（“ DAYS_TO_NEXT_PD_ENCOUNTER”）的新列。顾名思义，新列中的值应与RANK区别，该列具有Claim_typ为“ PD”和当前行。对于一个ID，它可以出现在“ RV”和“ RJ”之间。对于第一次出现Claim_typ之后显示为“ PD”的行，差异应为null，如下所示：
如果clm_typ'PD'作为最后一个元素出现，则API'last'将起作用。并非总是如此。对于一个ID，它可以出现在“ RV”和“ RJ”之间。
+----------+--------+---------+----+-------------------------+
| ID | WEEK_ID|CLAIM_TYP|RANK|DAYS_TO_NEXT_PD_ENCOUNTER|
+----------+--------+---------+----+-------------------------+
| 30641314|20180209| RV| 1| 5|
| 30641314|20180209| RJ| 2| 4|
| 30641314|20180216| RJ| 3| 3|
| 30641314|20180216| RJ| 4| 2|
| 30641314|20180216| RJ| 5| 1|
| 30641314|20180216| PD| 6| 0|
| 48115882|20180209| RV| 1| 3|
| 48115882|20180209| RV| 2| 2|
| 48115882|20180209| RV| 3| 1|
| 48115882|20180209| PD| 4| 0|
| 48115882|20180216| RJ| 5| null|
| 48115882|20180302| RJ| 6| null|
+----------+--------+---------+----+-------------------------+
答案 0 :(得分：0)
此处显示的是PySpark解决方案。
您可以将条件聚合与max(when...))一起使用，以获取与第一行“ PD”的必要等级差异。得到差异后，请使用when...来null排负序的行，因为它们都出现在第一行“ PD”之后。
# necessary imports
w1 = Window.partitionBy(df.id).orderBy(df.svc_dt)
df = df.withColumn('rnum',row_number().over(w1))
w2 = Window.partitionBy(df.id)
res = df.withColumn('diff_pd_rank',max(when(df.clm_typ == 'PD',df.rnum)).over(w2) - rnum)
res = res.withColumn('days_to_next_pd_encounter',when(res.diff_pd_rank >= 0,res.diff_pd_rank))
res.show()