scala - 我如何在 Spark/Scala 中使用 countDistinct？

Question

我正在尝试使用 Scala 聚合 Spark 数据框中的列，如下所示:

import org.apache.spark.sql._

dfNew.agg(countDistinct("filtered"))

但是我得到了错误:

 error: value agg is not a member of Unit

谁能解释一下为什么？

编辑:澄清我正在尝试做的事情:我有一列是一个字符串数组，我想计算所有行的不同元素，对任何其他列不感兴趣。数据:

+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------+
|racist|filtered                                                                                                                                                      |
+------+--------------------------------------------------------------------------------------------------------------------------------------------------------------+
|false |[rt, @dope_promo:, crew, beat, high, scores, fugly, frog, 😍🔥, https://time.com/sxp3onz1w8]                                                                      |
|false |[rt, @axolrose:, yall, call, kermit, frog, lizard?, , https://time.com/wdaeaer1ay]                                                                                |

我想计算过滤后的数，给出:

rt:2, @dope_promo:1, crew:1, ...frog:2 etc

Answer 1

您需要先展开您的数组，然后才能计算出现次数:查看每个元素的计数:

dfNew
.withColumn("filtered",explode($"filtered"))
.groupBy($"filtered")
.count
.orderBy($"count".desc)
.show

或者只是为了获取不同元素的数量:

val count = dfNew
.withColumn("filtered",explode($"filtered"))
.select($"filtered")
.distinct
.count