pyspark 获取分组的topk 数据

from pyspark.sql.functions import collect_list
from pyspark.sql.functions import udf
from pyspark.sql.types import StringType
from pyspark.sql.window import Window
import pyspark.sql.functions as F

window = Window.partitionBy("uid").orderBy(df["times"].desc())
df = df.withColumn('topn', F.row_number().over(window))
df = df.where(df['topn'] <= 200)
from pyspark import SparkContext, SparkConf
from pyspark.sql import SparkSession, Window
from pyspark.sql.types import IntegerType, StringType
from pyspark.sql.functions import udf, col
import pyspark.sql.functions as f

new_data = new_data.select('u_id', 'query', 'cate_query_freq', 'cate', 'prefer_probility', 'older', 'i_counts',
                               f.row_number().over(Window.partitionBy('u_id', 'cate') \
                               .orderBy(new_data['cate_query_freq'].desc())).alias('index'))
print(new_data.show())

new_data = new_data.where(new_data['index'] <= TOP_K / 10 * new_data['older'])

  • 0
    点赞
  • 2
    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