scala - Spark sql窗口功能滞后

Question

我正在寻找Spark SQL Scala中的Spark DataFrame的窗口幻灯片功能。

我有一个带有Col1，Col2，Col3，date，volume和new_col列的数据框。

Col1    Col2    Col3    date     volume new_col
                        201601  100.5   
                        201602  120.6   100.5
                        201603  450.2   120.6
                        201604  200.7   450.2
                        201605  121.4   200.7`

现在，我想添加一个名称为（new_col）的新列，并向下滑动一行，如上所示。

我尝试了下面的选项来使用窗口功能。

val windSldBrdrxNrx_df = df.withColumn("Prev_brand_rx", lag("Prev_brand_rx",1))

谁能帮我做到这一点。

Answer 1

您做得正确，您错过的只是over(window expression)上的lag

val df = sc.parallelize(Seq((201601, 100.5),
  (201602, 120.6),
  (201603, 450.2),
  (201604, 200.7),
  (201605, 121.4))).toDF("date", "volume")

val w = org.apache.spark.sql.expressions.Window.orderBy("date")  

import org.apache.spark.sql.functions.lag

val leadDf = df.withColumn("new_col", lag("volume", 1, 0).over(w))

leadDf.show()

+------+------+-------+
|  date|volume|new_col|
+------+------+-------+
|201601| 100.5|    0.0|
|201602| 120.6|  100.5|
|201603| 450.2|  120.6|
|201604| 200.7|  450.2|
|201605| 121.4|  200.7|
+------+------+-------+

该代码在Spark Shell 2.0.2上运行