Pyspark：获得列的最普遍价值？

Question

我需要能够使用Pyspark获得列的最常见值。

在本示例的endpoints列中，我想获得的结果是Day，因为它看起来比Monday和Tuesday还要多。

Wednesday

我认为我必须按某种方式进行分组和计数，但是该项目应该完成的整个过程对我来说很奇怪。

这是我尝试解决此问题的示例代码。

Row 1: Monday
Row 2: Tuesday
Row 3: Wednesday
Row 4: Monday

我是Pyspark的新手，所以解释得越多越好。我已经阅读了文档，但是很难理解。谢谢。

Answer 1

假设您的数据框名称为“ d”，想要的列为“ Day”，那么您应该这样做：

Day_count = d.groupby('Day').count()
Day_count.orderBy(desc('count')).take(1)

此代码将为您提供“天”列及其出现时间的模式。