pyspark重复数据中取时间最新的(最简洁明了)

>>> col_names = ["name", "date", "score"]
>>> value = [
...     ("Ali", "20200101", 10.0),
...     ("Ali", "20200102", 10.0),
...     ("Ali", "20200103", 10.0),
...     ("Ali", "20200104", 10.0),
...     ("Ali", "20200101", 9.0),
...     ("Ali", "20200102", 9.0),
... ]
>>> df = spark.createDataFrame(value, col_names)
>>> df.show()
+----+--------+-----+
|name|    date|score|
+----+--------+-----+
| Ali|20200101| 10.0|
| Ali|20200102| 10.0|
| Ali|20200103| 10.0|
| Ali|20200104| 10.0|
| Ali|20200101|  9.0|
| Ali|20200102|  9.0|
+----+--------+-----+
>>> window=Window.partitionBy("name",'score').orderBy(df["date"].desc())
>>> df=df.withColumn('topn',F.row_number().over(window))
>>> df.show()
+----
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值