- 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?
所以我的 table 看起来像这样:
+-------------------+-------+----------+------------+
| trip_id|line_id| ef_ar_ts| station|
+-------------------+-------+----------+------------+
|80:06____:17401:000| 17401| 0|Schaffhausen|
|80:06____:17402:000| 17402|1505278458|Schaffhausen|
|80:06____:17403:000| 17403| 0|Schaffhausen|
|80:06____:17406:000| 17406|1505282110|Schaffhausen|
|80:06____:17409:000| 17409| 0|Schaffhausen|
|80:06____:17410:000| 17410|1505285757|Schaffhausen|
|80:06____:17411:000| 17411| 0|Schaffhausen|
|80:06____:17416:000| 17416|1505292890|Schaffhausen|
|80:06____:17417:000| 17417| 0|Schaffhausen|
|80:06____:17418:000| 17418|1505296501|Schaffhausen|
|80:06____:17419:000| 17419| 0|Schaffhausen|
|80:06____:17420:000| 17420|1505300253|Schaffhausen|
|80:06____:17421:000| 17421| 0|Schaffhausen|
|80:06____:17422:000| 17422|1505303814|Schaffhausen|
|80:06____:17423:000| 17423| 0|Schaffhausen|
|80:06____:17425:000| 17425| 0|Schaffhausen|
|80:06____:17426:000| 17426|1505307355|Schaffhausen|
|80:06____:17427:000| 17427| 0|Schaffhausen|
|80:06____:17428:000| 17428|1505310983|Schaffhausen|
|80:06____:17429:000| 17429| 0|Schaffhausen|
+-------------------+-------+----------+------------+
这是一个火车数据集,我想做的是:
按列车的 line_id 进行分组,这样我就可以获得所有车站及其线路;在每个组中按 (ef_ar_ts) 对它们进行排序;然后按顺序获取 station 的集合:每个 line_id 一个列表。这样,我将订购我的车站并重建整条线路。
到目前为止我尝试过的是:
from pyspark.sql.functions import udf
@functions.udf
def keepline(df):
"""Keep lines splitted;"""
firstline = data1.first().trip_id
dftemp = df.where(data1.trip_id==firstline)
data1 = data1.fillna({'ef_ar_ts':0})
dftemp = dftemp.orderBy('ef_ar_ts')
return mylist
data2 = data1.select('*').groupby(data1.line_id).agg(udfmyfunc)
有什么帮助吗?提前致谢!
最佳答案
我们可以按 line_id 进行分组,收集 ef_ar_ts 和 station 列,并使用 UDF 对这两个集合进行排序。希望这会有所帮助。
由于您的数据帧在站中具有相同的值,因此我添加了两行虚拟站以供引用,
+-------------------+-------+----------+-------------+
| trip_id|line_id| ef_ar_ts| station|
+-------------------+-------+----------+-------------+
|80:06____:17401:000| 17401| 0| Schaffhausen|
|80:06____:17402:000| 17402|1505278458| Schaffhausen|
|80:06____:17403:000| 17403| 0| Schaffhausen|
......................................................
......................................................
|80:06____:17427:000| 17427| 0| Schaffhausen|
|80:06____:17428:000| 17428|1505310983| Schaffhausen|
|80:06____:17429:000| 17429| 0| Schaffhausen|
|80:06____:17429:000| 17401|1505278478|dummystation1|
|80:06____:17429:000| 17429|1505307355|dummystation2|
+-------------------+-------+----------+-------------+
## group and collect for each line id ##
df1 = df.groupby('line_id').agg(F.collect_list('ef_ar_ts').alias('ef_ar_ts'),F.collect_list('station').alias('station'))
+-------+---------------+-----------------------------+
|line_id|ef_ar_ts |station |
+-------+---------------+-----------------------------+
|17419 |[0] |[Schaffhausen] |
|17420 |[1505300253] |[Schaffhausen] |
|17403 |[0] |[Schaffhausen] |
|17406 |[1505282110] |[Schaffhausen] |
|17428 |[1505310983] |[Schaffhausen] |
|17421 |[0] |[Schaffhausen] |
|17427 |[0] |[Schaffhausen] |
|17411 |[0] |[Schaffhausen] |
|17416 |[1505292890] |[Schaffhausen] |
|17429 |[0, 1505307355]|[Schaffhausen, dummystation2]|
|17401 |[0, 1505278478]|[Schaffhausen, dummystation1]|
|17423 |[0] |[Schaffhausen] |
|17417 |[0] |[Schaffhausen] |
|17402 |[1505278458] |[Schaffhausen] |
|17418 |[1505296501] |[Schaffhausen] |
|17425 |[0] |[Schaffhausen] |
|17409 |[0] |[Schaffhausen] |
|17422 |[1505303814] |[Schaffhausen] |
|17426 |[1505307355] |[Schaffhausen] |
|17410 |[1505285757] |[Schaffhausen] |
+-------+---------------+-----------------------------+
## an UDF for merge both collections and sort them ##
from operator import itemgetter
udf1 = F.udf(lambda x,y : [st[1] for st in sorted(zip(x,y),key=itemgetter(0))])
df1.select('line_id',udf1('ef_ar_ts','station').alias('stations')).show(truncate=False)
+-------+-----------------------------+
|line_id|stations |
+-------+-----------------------------+
|17419 |[Schaffhausen] |
|17420 |[Schaffhausen] |
|17403 |[Schaffhausen] |
|17406 |[Schaffhausen] |
|17428 |[Schaffhausen] |
|17421 |[Schaffhausen] |
|17427 |[Schaffhausen] |
|17411 |[Schaffhausen] |
|17416 |[Schaffhausen] |
|17429 |[Schaffhausen, dummystation2]|
|17401 |[Schaffhausen, dummystation1]|
|17423 |[Schaffhausen] |
|17417 |[Schaffhausen] |
|17402 |[Schaffhausen] |
|17418 |[Schaffhausen] |
|17425 |[Schaffhausen] |
|17409 |[Schaffhausen] |
|17422 |[Schaffhausen] |
|17426 |[Schaffhausen] |
|17410 |[Schaffhausen] |
+-------+-----------------------------+
关于python - Pyspark - 在 groupby 和 orderBy 之后选择列中的不同值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50772354/
是否有某种方法可以使用 JPA 或 Hibernate Crtiteria API 来表示这种 SQL?或者我应该将其作为 native 执行吗? SELECT A.X FROM (SELECT X,
在查询中, select id,name,feature,marks from (....) 我想删除其 id 在另一个 select 语句中存在的那些。 从 (...) 中选择 id 我是 sql
我想响应用户在 select 元素中选择一个项目。然而这个 jQuery: $('#platypusDropDown').select(function () { alert('You sel
这个问题在这里已经有了答案: SQL select only rows with max value on a column [duplicate] (27 个回答) 关闭8年前。 我正在学习 SQL
This question already has answers here: “Notice: Undefined variable”, “Notice: Undefined index”, and
我在 php 脚本中调用 SQL。有时“DE”中没有值,如果是这种情况我想从“EN”中获取值 应该是这样的,但不是这样的 IF (EXISTS (SELECT epf_application_deta
这可能是一个奇怪的问题,但不知道如何研究它。执行以下查询时: SELECT Foo.col1, Foo.col2, Foo.col3 FROM Foo INNER JOIN Bar ON
如何在使用 Camera.DestinationType.FILE_URI. 时在 phonegap camera API 中同时选择或拾取多个图像我能够一次只选择一张图像。我可以使用 this 在
这是一个纯粹的学术问题。这两个陈述实际上是否相同? IF EXISTS (SELECT TOP 1 1 FROM Table1) SELECT 1 ELSE SELECT 0 相对 IF EXIS
我使用 JSoup 来解析 HTML 响应。我有多个 Div 标签。我必须根据 ID 选择 Div 标签。 我的伪代码是这样的 Document divTag = Jsoup.connect(link
我正在处理一个具有多个选择框的表单。当用户从 selectbox1 中选择一个选项时,我需要 selectbox2 active 的另一个值。同样,当他选择 selectbox2 的另一个值时,我需要
Acme Inc. Christa Woods Charlotte Freeman Jeffrey Walton Ella Hubbard Se
我有一个login.html其中form定义如下: First Initial Plus Last Name : 我的do_authorize如下: "; pri
$.get( 'http://www.ufilme.ro/api/load/maron_online/470', function(data
我有一个下拉列表“磅”、“克”、“千克”和“盎司”。我想要这样一种情况,当我选择 gram 来执行一个函数时,当我在输入字段中输入一个值时,当我选择 pounds 时,我想要另一个函数来执行时我在输入
我有一个 GLSL 着色器,它从输入纹理的 channel 之一(例如 R)读取,然后写入输出纹理中的同一 channel 。该 channel 必须由用户选择。 我现在能想到的就是使用一个 int
我想根据下拉列表中的选定值生成输入文本框。 Options 2 3 4 5 就在这个选择框之后,一些输入字段应该按照选定的数字出现。 最佳答案 我建议您使用响应式(Reac
我是 SQL 新手,我想问一下如何根据首选项和分组选择条目。 +----------+----------+------+ | ENTRY_ID | ROUTE_ID | TYPE | +------
我有以下表结构: CREATE TABLE [dbo].[UTS_USERCLIENT_MAPPING_USER_LIST] ( [MAPPING_ID] [int] IDENTITY(1,1
我在移除不必要的床单时遇到了问题。我查看了不同的论坛并将不同的解决方案混合在一起。 此宏删除工作表(第一张工作表除外)。 Sub wrong() Dim sht As Object Applicati
我是一名优秀的程序员,十分优秀!