作者热门文章
- 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?
我有一个这样的 pyspark 数据框:
| id | time | cat |
-------------------------
1 t1 a
1 t2 b
2 t3 b
2 t4 c
2 t5 b
3 t6 a
3 t7 a
3 t8 a
现在,我想按“id”对它们进行分组,并将它们聚合成这样的 map :
| id | cat |
---------------------------
| 1 | a -> 1, b -> 1 |
| 2 | b -> 2, c -> 1 |
| 3 | a -> 3 |
我想我们可以使用 pyspark sql 函数的 collect_list 将它们收集为列表,然后我可以应用一些 UDF 函数将列表转换为 dict。但是有没有其他(更短或更有效)的方法来做到这一点?
最佳答案
您可以从 pyspark.sql.functions.map_from_entries
使用此功能如果我们认为您的数据框是 df 您应该这样做:
import pyspark.sql.functions as F
df1 = df.groupby("id", "cat").count()
df2 = df1.groupby("id")\
.agg(F.map_from_entries(F.collect_list(F.struct("cat","count"))).alias("cat"))
关于group-by - 如何在 Pyspark 数据框中分组后收集 map ?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58705663/
我是一名优秀的程序员,十分优秀!