PySpark中的每组平均值

我有PySpark数据框，如下所示：

cust |  amount |  
----------------
A    |  5      |  
A    |  1      |
A    |  3      |     
B    |  4      |     
B    |  4      |     
B    |  2      |     
C    |  2      |     
C    |  1      |     
C    |  7      |     
C    |  5      |    

我需要按列

“cust”

分组，并计算每组的平均值

预期结果：

cust |  avg_amount
-------------------
A    |  3
B    |  3.333
C    |  7.5

我一直在使用下面的代码，但给出了错误

data.withColumn（“平均金额”），F.avg（“金额”）

---

你知道我如何计算这个平均值吗？

使用

groupBy

按客户统计交易数量和

金额的平均值：

from pyspark.sql import functions as F

data = data.groupBy("cust")\
           .agg(
               F.count("*").alias("amount"),
               F.avg("amount").alias("avg_amount")
           )

如何确定“金额”列？似乎是为每个客户随机选择的。预期输出中的
金额列的规则是什么？例如，为什么组
A
的
3
？列
金额中没有规则。它是事务行。取决于客户正在进行的交易数量。那么B不应该是2，C不应该是4吗？他们在输入表中分别有2个和4个事务。这是否回答了您的问题？