Apache spark 在pyspark中对数组类型列进行分组
我有一个pyspark dataframe列,其结构如下:Apache spark 在pyspark中对数组类型列进行分组,apache-spark,pyspark,Apache Spark,Pyspark,我有一个pyspark dataframe列,其结构如下: [{id:1, value:"a"}, {id: 2, value: "b"}, {id: 1, value: "c"} ] 我想把它转换成下面的最佳结果,如果可能的话,不使用自定义项 [{id: 1, value:["a","b"]}, {id: 2, value: "b"} ] 您可以尝试以下方法: df2 = sqlContext.read.json(sc.parallelize([{'id':1, 'value':"a
[{id:1, value:"a"},
{id: 2, value: "b"},
{id: 1, value: "c"}
]
我想把它转换成下面的最佳结果,如果可能的话,不使用自定义项
[{id: 1, value:["a","b"]},
{id: 2, value: "b"}
]
您可以尝试以下方法:
df2 = sqlContext.read.json(sc.parallelize([{'id':1, 'value':"a"},
{'id': 2, 'value': "b"},
{'id': 1, 'value': "c"}
]))
df2.show()
+---+-----+
| id|value|
+---+-----+
| 1| a|
| 2| b|
| 1| c|
+---+-----+
您可以根据ID进行聚合,然后收集值列表
import pyspark.sql.functions as F
df2.groupBy('id').agg(F.collect_list('value')).show()
+---+-------------------+
| id|collect_list(value)|
+---+-------------------+
| 1| [a, c]|
| 2| [b]|
+---+-------------------+