Pyspark Spark Dataframe：连续具有相同结果的列的查询计数

我有一个仓库库存数据集，当前状态每两分钟报告一次

我想获取没有剩余库存的日期，即

库存金额=0

，如果该值在一段时间内保持为0，则获取库存金额为0的后续行的计数。换句话说，我想得到

stock\u amount

变为0的日期，然后是保持为0的次数

例如，给定以下数据

Row(date='24-06-2020 11:03:00', stock_amount = 1)
Row(date='24-06-2020 11:05:00', stock_amount = 0)
Row(date='24-06-2020 11:07:00', stock_amount = 2)
Row(date='24-06-2020 11:09:00', stock_amount = 3)
Row(date='24-06-2020 16:32:00', stock_amount = 0)
Row(date='24-06-2020 16:34:00', stock_amount = 0)
Row(date='24-06-2020 16:36:00', stock_amount = 0)
Row(date='24-06-2020 16:38:00', stock_amount = 0)
Row(date='24-06-2020 16:40:00', stock_amount = 2)

结果应该是：

  (date='24-06-2020 11:05:00', count=1)
  (date='24-06-2020 16:32:00', count=4)

   (date='26-07-2020 12:05:00', count=1)
   (date='26-07-2020 12:11:00', count=1)
   (date='26-07-2020 17:32:00',  count=4)

对于这些数据

Row(date='26-07-2020 12:03:00', stock_amount = 3)
Row(date='26-07-2020 12:05:00', stock_amount = 0)
Row(date='26-07-2020 12:07:00', stock_amount = 4)
Row(date='26-07-2020 12:09:00', stock_amount = 4)
Row(date='26-07-2020 12:11:00', stock_amount = 0)
Row(date='26-07-2020 12:13:00', stock_amount = 2)
Row(date='26-07-2020 17:32:00', stock_amount = 0)
Row(date='26-07-2020 17:34:00', stock_amount = 0)
Row(date='26-07-2020 17:36:00', stock_amount = 0)
Row(date='26-07-2020 17:38:00', stock_amount = 0)
Row(date='26-07-2020 17:40:00', stock_amount = 1)

结果应该是：

  (date='24-06-2020 11:05:00', count=1)
  (date='24-06-2020 16:32:00', count=4)

   (date='26-07-2020 12:05:00', count=1)
   (date='26-07-2020 12:11:00', count=1)
   (date='26-07-2020 17:32:00',  count=4)

---

这可以通过窗口函数和一些分组来完成

注意：多个步骤用于更详细的说明，但可以组合在单个命令中

---

这可以通过窗口函数和一些分组来完成

注意：多个步骤用于更详细的说明，但可以组合在单个命令中

---

仍然需要一些更清晰的信息，关于它应该是2倍，因为我可以看到5倍是0。请为您的场景添加更多输入，以便为您提供帮助better@smart_coder我添加了另一个示例。我可以在第一个示例中看到0->1个实例2次，在第二个示例中看到3次？？或者我可能没有足够的思考来理解你的用例。这是非常正确的。除了解决方案是找出stock_amount列何时变为0，而不是何时停止为0。还需要更清楚地说明它应该是2倍，因为我可以看到5倍是0。请为您的场景添加更多输入，以便为您提供帮助better@smart_coder我添加了另一个示例。我可以在第一个示例中看到0->1个实例2次，在第二个示例中看到3次？？或者我可能没有足够的思考来理解你的用例。这是非常正确的。但解决方案是查找stock_amount列何时变为0，而不是何时停止为0。