pyspark:计算每个不同值的出现次数
我认为这个问题与: 基本上我有一个spark数据框,列pyspark:计算每个不同值的出现次数,pyspark,Pyspark,我认为这个问题与: 基本上我有一个spark数据框,列a的值为1,1,2,2,1 因此,我想计算每个不同的值(在本例中,1和2)出现在A列中的次数,并打印如下内容 distinct_values | number_of_apperance 1 | 3 2 | 2 我不确定您是否正在寻找以下解决方案: 以下是我对此的看法。假设您有这样一个数据帧 >>> listA = [(1,'AAA','USA'),(2,'XXX','CHN'),(3,'KKK','USA'),(4,'PP
a
的值为1,1,2,2,1
因此,我想计算每个不同的值(在本例中,1
和2
)出现在A
列中的次数,并打印如下内容
distinct_values | number_of_apperance
1 | 3
2 | 2
我不确定您是否正在寻找以下解决方案: 以下是我对此的看法。假设您有这样一个数据帧
>>> listA = [(1,'AAA','USA'),(2,'XXX','CHN'),(3,'KKK','USA'),(4,'PPP','USA'),(5,'EEE','USA'),(5,'HHH','THA')]
>>> df = spark.createDataFrame(listA, ['id', 'name','country'])
>>> df.show();
+---+----+-------+
| id|name|country|
+---+----+-------+
| 1| AAA| USA|
| 2| XXX| CHN|
| 3| KKK| USA|
| 4| PPP| USA|
| 5| EEE| USA|
| 5| HHH| THA|
+---+----+-------+
我想知道不同的国家代码出现在这个特定的数据框中,应该作为别名打印出来
import pyspark.sql.functions as func
df.groupBy('country').count().select(func.col("country").alias("distinct_country"),func.col("count").alias("country_count")).show()
+----------------+-------------+
|distinct_country|country_count|
+----------------+-------------+
| THA| 1|
| USA| 4|
| CHN| 1|
+----------------+-------------+
您是否正在寻找类似的解决方案?我不确定您是否正在寻找以下解决方案: 以下是我对此的看法。假设您有这样一个数据帧
>>> listA = [(1,'AAA','USA'),(2,'XXX','CHN'),(3,'KKK','USA'),(4,'PPP','USA'),(5,'EEE','USA'),(5,'HHH','THA')]
>>> df = spark.createDataFrame(listA, ['id', 'name','country'])
>>> df.show();
+---+----+-------+
| id|name|country|
+---+----+-------+
| 1| AAA| USA|
| 2| XXX| CHN|
| 3| KKK| USA|
| 4| PPP| USA|
| 5| EEE| USA|
| 5| HHH| THA|
+---+----+-------+
我想知道不同的国家代码出现在这个特定的数据框中,应该作为别名打印出来
import pyspark.sql.functions as func
df.groupBy('country').count().select(func.col("country").alias("distinct_country"),func.col("count").alias("country_count")).show()
+----------------+-------------+
|distinct_country|country_count|
+----------------+-------------+
| THA| 1|
| USA| 4|
| CHN| 1|
+----------------+-------------+
你看起来像这样吗?我刚刚发布了这篇文章,因为我认为另一个带别名的答案可能会让人困惑。您需要的是以下内容和方法:
我只是发布了这篇文章,因为我认为另一个带别名的答案可能会让人困惑。您需要的是以下内容和方法:
我的印象是打印数据应该有用户定义的名称。这就是我把它弄得有点复杂的原因。无论如何,两者都会起作用@完全正确。这种方法比较简单,但两者都有效。非常感谢。我的印象是打印数据应该有用户定义的名称。这就是我把它弄得有点复杂的原因。无论如何,两者都会起作用@完全正确。这种方法比较简单,但两者都有效。非常感谢。