PySpark在pivot之后连接列
对于以下示例数据帧:PySpark在pivot之后连接列,pyspark,pyspark-dataframes,Pyspark,Pyspark Dataframes,对于以下示例数据帧: df = spark.createDataFrame( [ ('2017-01-01', 'A', 1), ('2017-01-01', 'B', 2), ('2017-01-01', 'C', 3), ('2017-01-02', 'A', 4), ('2017-01-02', 'B', 5), ('2017-01-02', 'C', 6), ('2017-01-03', 'A', 7), ('2017-01
df = spark.createDataFrame(
[
('2017-01-01', 'A', 1),
('2017-01-01', 'B', 2),
('2017-01-01', 'C', 3),
('2017-01-02', 'A', 4),
('2017-01-02', 'B', 5),
('2017-01-02', 'C', 6),
('2017-01-03', 'A', 7),
('2017-01-03', 'B', 8),
('2017-01-03', 'C', 9),
],
('date', 'type', 'value')
)
我想将其转换为所有唯一“类型”(A、B和C)的列
目前,我发现这段代码与我想要实现的目标最接近:
df.groupby("date", "type").pivot("type").sum().orderBy("date").show()
+----------+----+----+----+----+
| date|type| A| B| C|
+----------+----+----+----+----+
|2017-01-01| C|null|null| 3|
|2017-01-01| A| 1|null|null|
|2017-01-01| B|null| 2|null|
|2017-01-02| B|null| 5|null|
|2017-01-02| C|null|null| 6|
|2017-01-02| A| 4|null|null|
|2017-01-03| A| 7|null|null|
|2017-01-03| C|null|null| 9|
|2017-01-03| B|null| 8|null|
+----------+----+----+----+----+
问题是我仍然有太多的行(包含所有“null”)
我想得到的是:
+----------+---+---+---+
| date| A| B| C|
+----------+---+---+---+
|2017-01-01| 1| 2| 3|
|2017-01-02| 4| 5| 6|
|2017-01-03| 7| 8| 9|
+----------+---+---+---+
Aka,我想要一些功能与pandas.DataFrame.unstack()类似的东西
如果有人对我如何在PySpark中实现这一点有任何建议,那就太好了。您需要按照
的“日期”
列进行另一个分组,然后从A、B、C
中选择max
值
示例:
df.groupby("date", "type").pivot("type").sum().orderBy("date").groupBy("date").agg(max(col("A")).alias("A"),max(col("B")).
#+----------+---+---+---+
#| date| A| B| c|
#+----------+---+---+---+
#|2017-01-01| 1| 2| 3|
#|2017-01-02| 4| 5| 6|
#|2017-01-03| 7| 8| 9|
#+----------+---+---+---+
# dynamic way
aggregate = ["A","B","C"]
funs=[max]
exprs=[f(col(c)).alias(c) for f in funs for c in aggregate]
df.groupby("date", "type").pivot("type").sum().orderBy("date").groupBy("date").agg(*exprs).show()
#+----------+---+---+---+
#| date| A| B| c|
#+----------+---+---+---+
#|2017-01-01| 1| 2| 3|
#|2017-01-02| 4| 5| 6|
#|2017-01-03| 7| 8| 9|
#+----------+---+---+---+