sparksql agg用法

sparkSql agg用法,样例代码

 def main(args: Array[String]): Unit = {
    val spark = SparkSession.builder().appName("JoinCoreApiTest").master("local").getOrCreate()
    val sc = spark.sparkContext

    sc.setLogLevel("ERROR")

    import spark.implicits._

    val caseIdr = sc.makeRDD(Array(("1", "a1"),("1", "a4"), ("2", "a2"), ("3", "a3"))).toDF("caseId", "r")
    caseIdr.show(false)

    val trans = sc.makeRDD(Array(("a1","x1"),("a2","x2"),("a3","x3"),("a4", "x4"))).toDF("r","x")
    trans.show(false)

    val joinRdd = caseIdr.join(trans,Seq("r"),"inner")
      joinRdd.show(false)

    import org.apache.spark.sql.functions._

    val value = joinRdd.groupBy("caseId").agg(count("r").as("cou"),collect_list("r").as("rs"),collect_list("x").as("xs"))
      .show(false)


  }

运行结果展示:

+------+---+
|caseId|r  |
+------+---+
|1     |a1 |
|1     |a4 |
|2     |a2 |
|3     |a3 |
+------+---+

+---+---+
|r  |x  |
+---+---+
|a1 |x1 |
|a2 |x2 |
|a3 |x3 |
|a4 |x4 |
+---+---+

+---+------+---+
|r  |caseId|x  |
+---+------+---+
|a3 |3     |x3 |
|a4 |1     |x4 |
|a2 |2     |x2 |
|a1 |1     |x1 |
+---+------+---+

+------+---+--------+--------+
|caseId|cou|rs      |xs      |
+------+---+--------+--------+
|3     |1  |[a3]    |[x3]    |
|1     |2  |[a4, a1]|[x4, x1]|
|2     |1  |[a2]    |[x2]    |
+------+---+--------+--------+
  • 2
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
pandas是一个强大的数据处理和分析库,其中的groupby和agg函数是用于对数据进行分组和聚合操作的重要工具。 groupby函数可以将数据按照指定的列或者多个列进行分组,然后对每个分组进行相应的操作。它的基本语法如下: ``` df.groupby(by=grouping_columns)[columns_to_show].function() ``` 其中,by参数指定了用于分组的列名或者列名列表,columns_to_show参数指定了需要显示的列名或者列名列表,function参数指定了对每个分组进行的操作,比如求和、计数、平均值等。 agg函数是groupby函数的一个补充,它可以对每个分组进行更加灵活的聚合操作。它的基本语法如下: ``` df.groupby(by=grouping_columns).agg({'column_name': 'function'}) ``` 其中,by参数和groupby函数一样,指定了用于分组的列名或者列名列表。agg函数的参数是一个字典,字典的键是需要聚合的列名,值是对应的聚合函数。 下面是一个示例,演示了groupby和agg函数的用法: ```python import pandas as pd # 创建一个DataFrame data = {'Name': ['Tom', 'Nick', 'John', 'Tom', 'Nick', 'John'], 'Subject': ['Math', 'Math', 'Math', 'English', 'English', 'English'], 'Score': [80, 90, 75, 85, 95, 80]} df = pd.DataFrame(data) # 按照Name列进行分组,并计算每个分组的平均分和总分 result = df.groupby('Name').agg({'Score': ['mean', 'sum']}) print(result) ``` 输出结果如下: ``` Score mean sum Name John 77 155 Nick 92 185 Tom 82 165 ```

“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