Python 按特定顺序为每个唯一ID指定多个字符串行
我想创建一个表,其中每一行都是一个唯一的ID,“地点和城市”列包含一个人访问过的所有地点和城市,按访问日期排序,使用Pyspark或HivePython 按特定顺序为每个唯一ID指定多个字符串行,python,apache-spark,hive,pyspark,apache-spark-sql,Python,Apache Spark,Hive,Pyspark,Apache Spark Sql,我想创建一个表,其中每一行都是一个唯一的ID,“地点和城市”列包含一个人访问过的所有地点和城市,按访问日期排序,使用Pyspark或Hive df.groupby("ID").agg(F.concat_ws("|",F.collect_list("Place"))) 没有连接,但我无法按日期订购。同样,对于每一个专栏,我都需要单独完成这一步 我也尝试过使用本文中提到的windows函数,() 但是它出现了一个错误:java.lang.UnsupportedOperationExcepti
df.groupby("ID").agg(F.concat_ws("|",F.collect_list("Place")))
没有连接,但我无法按日期订购。同样,对于每一个专栏,我都需要单独完成这一步
我也尝试过使用本文中提到的windows函数,()
但是它出现了一个错误:java.lang.UnsupportedOperationException:“collect_list(')在窗口操作中不受支持。
我想:
1-按行程日期顺序排列连接的列
2-对多个列执行此步骤
资料
期望
| ID | Place | City |
| 1 | UK,SIN,MAL | Birm,Sin,KL |
| 2 | US,US | LA,SF |
| 3 | UK | Lon |
可能是重复的谢谢。第一个解决方案不能用于多列,使用windows函数的解决方案引发错误:java.lang.UnsupportedOperationException:“收集列表('Place')在窗口操作中不受支持。您使用的Spark版本是什么?窗口函数不能与太旧的版本一起使用(请参见,例如:)。我正在窗口中使用order by,它将根据ID处理您的订单。请在我的代码(第3行)中检查w。引发错误:ava.lang.UnsupportedOperationException:'收集列表('Place')在窗口操作中不受支持。您使用的是哪种Spark版本?你导入了我提到的所有软件包吗?您使用的是收集列表(“地点”)还是收集列表(地点)?
| ID | Place | City |
| 1 | UK,SIN,MAL | Birm,Sin,KL |
| 2 | US,US | LA,SF |
| 3 | UK | Lon |
>>> from pyspark.sql import functions as F
>>> from pyspark.sql import Window
>>> w = Window.partitionBy('ID').orderBy('Date')
//Input data frame
>>> df.show()
+---+----+-----+----+
| ID|Date|Place|City|
+---+----+-----+----+
| 1|2017| UK|Birm|
| 2|2014| US| LA|
| 1|2018| SIN| Sin|
| 1|2019| MAL| KL|
| 2|2015| US| SF|
| 3|2019| UK| Lon|
+---+----+-----+----+
>>> df2 = df.withColumn("Place",F.collect_list("Place").over(w)).withColumn("City",F.collect_list("City").over(w)).groupBy("ID").agg(F.max("Place").alias("Place"), F.max("City").alias("City"))
//Data value in List
>>> df2.show()
+---+--------------+---------------+
| ID| Place| City|
+---+--------------+---------------+
| 3| [UK]| [Lon]|
| 1|[UK, SIN, MAL]|[Birm, Sin, KL]|
| 2| [US, US]| [LA, SF]|
+---+--------------+---------------+
//If you want value in String
>>> df2.withColumn("Place", F.concat_ws(" ", "Place")).withColumn("City", F.concat_ws(" ", "City")).show()
+---+----------+-----------+
| ID| Place| City|
+---+----------+-----------+
| 3| UK| Lon|
| 1|UK SIN MAL|Birm Sin KL|
| 2| US US| LA SF|
+---+----------+-----------+