Apache spark 一些给定的值。例如，groupBy K，获得聚合“v”，获得计数“w”。@Ahmet您可以传递任何您想要的聚合列表。它们不必在单个列上，例如：exprs=[mean（“v”）、count（“w”）]。另请参见我需要一个额外的导入才能使上面的Scala代码正

---

一些给定的值。例如，groupBy K，获得聚合“v”，获得计数“w”。@Ahmet您可以传递任何您想要的聚合列表。它们不必在单个列上，例如：

exprs=[mean（“v”）、count（“w”）]

。另请参见我需要一个额外的导入才能使上面的Scala代码正常工作：

导入spark.implicits.\u

为了它的价值，我在PythonBut zero323的列表理解量表中非常成功地使用了这项技术，而您手工制作的列表却没有。@OliverW。重点是，您不必计算所有函数和列的组合，但您只能指定所需的对。出于其价值，我在PythonBut zero323的列表理解量表中非常成功地使用了此技术，而您手工制作的列表却没有。@OliverW。重点是，您不必计算所有函数和列的组合，但可以只指定所需的对。

df.groupBy(groupBy.head, groupBy.tail: _*).agg(exprs.head, exprs.tail: _*).show

from pyspark.sql.functions import min, max, col
# init your spark dataframe

expr = [min(col("valueName")),max(col("valueName"))]
df.groupBy("keyName").agg(*expr)

case class soExample(firstName: String, lastName: String, Amount: Int)
val df =  Seq(soExample("me", "zack", 100)).toDF

import org.apache.spark.sql.functions._

val groupped = df.groupBy("firstName", "lastName").agg(
     sum("Amount"),
     mean("Amount"), 
     stddev("Amount"),
     count(lit(1)).alias("numOfRecords")
   ).toDF()

display(groupped)

val groupByColName = "Store"
val colName = "Weekly_Sales"

df.groupBy(groupByColName)
  .agg(min(colName),
       max(colName),
       round(avg(colName), 2))
  .show()

from pyspark.sql.functions import count,col

    def count_zero_percentage(c):
        
        pred = col(c)==0
        return sum(pred.cast("integer")).alias(c)
    
    df.agg(*[count_zero_percentage(c)/count('*').alias(c) for c in df.columns]).show()