scala - 根据spark中前一行同一列的值计算值

Question

我有一个问题，我必须使用一个公式来计算列，该公式使用在前一行中完成的计算的值。

我无法使用 withColumn API 解决这个问题。

我需要使用以下公式计算一个新列:

MovingRate = MonthlyRate + (0.7 * MovingRatePrevious)

... 其中 MovingRatePrevious 是前一行的 MovingRate。

对于第 1 个月，我有值，所以我不需要重新计算它，但我需要该值才能计算后续行。我需要按类型进行分区。

这是我的原始数据集:

MovingRate 列中的所需结果:

Answer 1

尽管它可能与 Widow 函数有关(请参阅@Leo C 的回答)，但我敢打赌，使用 groupBy 对每个 Type 聚合一次会更高效。然后，展开 UDF 的结果以取回所有行:

val df = Seq(
  (1, "blue", 0.4, Some(0.33)),
  (2, "blue", 0.3, None),
  (3, "blue", 0.7, None),
  (4, "blue", 0.9, None)
)
.toDF("Month", "Type", "MonthlyRate", "MovingRate")

// this udf produces an Seq of Tuple3 (Month, MonthlyRate, MovingRate)
val calcMovingRate = udf((startRate:Double,rates:Seq[Row]) => rates.tail
  .scanLeft((rates.head.getInt(0),startRate,startRate))((acc,curr) => (curr.getInt(0),curr.getDouble(1),acc._3+0.7*curr.getDouble(1)))
)

df
  .groupBy($"Type")
  .agg(
    first($"MovingRate",ignoreNulls=true).as("startRate"),
    collect_list(struct($"Month",$"MonthlyRate")).as("rates")
  )
  .select($"Type",explode(calcMovingRate($"startRate",$"rates")).as("movingRates"))
  .select($"Type",$"movingRates._1".as("Month"),$"movingRates._2".as("MonthlyRate"),$"movingRates._3".as("MovingRate"))
  .show()

给出:

+----+-----+-----------+------------------+
|Type|Month|MonthlyRate|        MovingRate|
+----+-----+-----------+------------------+
|blue|    1|       0.33|              0.33|
|blue|    2|        0.3|              0.54|
|blue|    3|        0.7|              1.03|
|blue|    4|        0.9|1.6600000000000001|
+----+-----+-----------+------------------+