Pyspark 基于另一列的不同值对列进行计数

我有一个像这样的spark数据框

event_name | id
---------------
hello      | 1
hello      | 2
hello      | 1
world      | 1
hello      | 3
world      | 2

SELECT event_name, COUNT(DISTINCT id) as count
FROM table_name
WHERE event_name="hello"

我想根据唯一的“id”计算特定事件“hello”的数量。SQL应该是这样的

event_name | id
---------------
hello      | 1
hello      | 2
hello      | 1
world      | 1
hello      | 3
world      | 2

SELECT event_name, COUNT(DISTINCT id) as count
FROM table_name
WHERE event_name="hello"

所以我的查询应该返回3而不是4表示“hello”，因为有两行id为“1”表示“hello”

---

如何使用pyspark SQL实现这一点？

这应该可以做到：

df.groupBy("event_name").agg(F.countDistinct("id")).show()

---

这就是SQL我可以使用spark的SQL函数而不是编写原始查询来执行相同的查询吗？这是我真正想要的，但那不是你展示的。我会回来的，谢谢。我只需要在groupBy（）之前添加.where（F.col（“event_name”）=“hello”）。