Python Pyspark：获取列的最常用值？

我需要能够使用Pyspark获得列的最常见值

在本例的

Day

列中，我想要得到的结果是

Monday

，因为它比

beday

和

beday

多

Row 1: Monday
Row 2: Tuesday
Row 3: Wednesday
Row 4: Monday

我想我必须做一些分组和计数的工作，但整个项目的完成方式对我来说很奇怪

下面是我试图解决这个问题的示例代码

d = d.rdd
d = d.map(lambda row: (row.day.year, row.number))
print(d.take(2000))
d_maxNum = d.reduceByKey(lambda max_num, this_num: this_num if this_num > max_num else max_num)
print(d_maxNum.collect())

---

我是Pyspark的新手，所以解释越多越好。我读过文档，但很难理解。谢谢。

假设您的数据帧名称为“d”，想要的列为“Day”，那么您应该这样做：

Day_count = d.groupby('Day').count()
Day_count.orderBy(desc('count')).take(1)

此代码将为您提供“日”列的模式及其出现时间