- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
在 pyspark 中,我有一个如下所示的数据框,其中的行根据 id 和 k1 的值进行排序。此外,每一行都有一个分配给它的唯一升序号 (rowid)。
-----------------------
rowid | id | k1 | k2 |
-----------------------
1 | 1 | v1 | l1 |
2 | 1 | v1 | v1 |
3 | 1 | v1 | l2 |
4 | 2 | v2 | v2 |
5 | 2 | v2 | l3 |
6 | 3 | v3 | l3 |
----------------------
对于id的每个唯一值,我想计算k1==k2的第一行的rowid与观察到该id的记录的第一行对应的rowid + 1之间的差值,并且将结果存储在新列中(即排名)。输出应如下所示。
----------------
id | k1 |rank |
-----------------
1 | v1 | 2 |
2 | v2 | 1 |
3 | v3 | 0 |
-----------------
例如,对于id=1,当rowid=2时k1==k2的值。第一次观察到id=1是在rowid=1的时候。将 2-1+1=2 放在排名列中。对于 id =3,我们没有任何记录中列 k1 和 k2 的值匹配。因此,用 0(或空值)填充排名列。
我假设这涉及一个基于 id 的 groupBy,但我不确定如何获取与列 k1 和 k2 匹配的行对应的索引以及对应于每个唯一 id 的第一个 rowid。
最佳答案
您可以在 id
和 k1
上使用带有 groupBy
的 API 函数来执行此操作,这应该是 faster than using a udf
:
import pyspark.sql.functions as f
df.groupBy("id", "k1")\
.agg(
f.min(f.when(f.col("k1")==f.col("k2"), f.col("rowid"))).alias("first_equal"),
f.min("rowid").alias("first_row")
)\
.select("id", "k1", (f.col("first_equal")-f.col("first_row")+1).alias("rank"))\
.fillna(0)\
.show()
#+---+---+----+
#| id| k1|rank|
#+---+---+----+
#| 1| v1| 2|
#| 2| v2| 1|
#| 3| v3| 0|
#+---+---+----+
rank
的计算可以分解为两个聚合步骤:
rowid
,对于每个 id
、k1
对,k1==k2
.id
、k1
对的最小 rowid
。 您取这些差值(+1
根据您的要求),最后用 0
填充任何 null
值。
更新:另一种使用row_number
的方法:
from pyspark.sql import Window
# you can define your own order by column
w = Window.partitionBy("id", "k1").orderBy("rowid")
df.withColumn("rank", f.when(f.expr("k1 = k2"), f.row_number().over(w)))\
.groupBy("id", "k1")\
.agg(f.min("rank"))\
.fillna(0)\
.show()
# Same as above
关于python - 使用搜索和条件查找两列值之间的差异,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56246990/
我从NVIDIA手册Eg中复制了以下代码:__threadfence()。他们为什么有 在以下代码中使用了__threadfence()。我认为使用__syncthreads()而不是__thread
我在使用 SVN 更改列表和 svn diff 时遇到了一些麻烦.特别是我想获取特定修订范围的特定文件列表的更改历史记录。 SVN 变更列表似乎是完美的解决方案,所以我的方法是: svn change
我有两个 IP 地址列表。我需要将它们合并到三个文件中,交集,仅来自 list1 的文件和仅来自 list2 的文件。 我可以用 awk/diff 或任何其他简单的 unix 命令来做到这一点吗?如何
假设自上次更新(恢复)到我的 a.b 文件以来我做了一些更改。 此 a.b 文件也在存储库中更改。 现在我想将我所做的更改与 repos 更改进行比较。 如果我 svn revert 文件,我可以看到
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,以便用事实和引用来回答。 关闭 7 年前。
我使用的是 openssl 1.0.1c , linux x86_64 我正在创建包含“hello”的文件(没有换行符) openssl dgst -sha256 hello_file i get :
假设我们有几个库。 有什么区别核心和 普通 图书馆?他们应该如何被认可,我们是否组织了两者的职责? +Common -Class1 +Core -Class2 +Lib1 has : Comm
如何在 SQLite 中计算以毫秒为单位的最小时间间隔? 好的,提供一些背景信息, 这是我的 table 的样子: link_budget table 所以有这个时间列,我想发出一个请求,以毫秒为单位
我想知道,乐观并发控制 (OCC) 和多版本并发控制 (MVCC) 之间的区别是什么? 到目前为止,我知道两者都是基于更新的版本检查。 在 OCC 中,我读到了没有获取读取访问锁的事务,仅适用于以后的
说到 SignalR,我有点菜鸟。刚刚开始四处探索和谷歌搜索它,我想知道是否有人可以向我解释完成的事情之间的一些差异。 在我见过的一些示例中,人们需要创建一个 Startup 类并定义 app.Map
我在 Ogre 工作,但这是一个一般的四元数问题。 我有一个对象,我最初对其应用旋转四元数 Q1。后来,我想让它看起来好像我最初通过不同的四元数 Q2 旋转了对象。 我如何计算四元数,该四元数将采用已
我了解 javascript 模块模式,但我使用两种类型的模块模式,并且想从架构 Angular 了解它们之间的区别。 // PATTERN ONE var module = (function()
我有两个具有完全相同键的 JSON。 val json1 = """{ 'name': 'Henry', 'age' : 26, 'activities' : {
我发现使用 VBA 在 Excel 中复制单个文件有两种不同的方法。一是文件复制: FileCopy (originalPath), (pathToCopyTo) 另一个是名称: Name (orig
我想知道查找两个 float 组之间差异的绝对值的最有效方法是什么? 是否是以下内容: private float absDifference(float[] vector1, float[] vec
我有一个关于 wicket getApplication 的问题。 getApplication() 和 getSession().getApplication 有什么区别? 部署 wicket 应用
我刚刚开始使用activemq,我有一个关于追溯消费者的问题,为了启用这个功能,你需要有一个持久的订阅。但是在主题上启用和不启用追溯的持久订阅有什么区别? activemq 文档说。 http://a
我有两个具有完全相同键的 JSON。 val json1 = """{ 'name': 'Henry', 'age' : 26, 'activities' : {
得到另一个 Erlang 二进制表示查询('因为这就是我最近正在阅读的内容,并且需要二进制协议(protocol)实现)。 如果我正确理解了类型说明符,那么对于“浮点”类型值,8 字节表示似乎很好(这
关闭。这个问题需要多问focused 。目前不接受答案。 想要改进此问题吗?更新问题,使其仅关注一个问题 editing this post . 已关闭 4 年前。 Improve this ques
我是一名优秀的程序员,十分优秀!