Поле счетчика Pyspark, группировка и увеличение на 1

Мой фрейм данных выглядит следующим образом:

cola, colb
1, 2
1, 3
2, 1
2, 5

Я хочу добавить столбец count:

cola, colb, count
1,     2,    1
1,     3,    2
2,     1,    1
2,     5,    2

Нужно сгруппировать colA и установить счетчик на 1 для первой записи, а затем увеличить каждую последующую строку на 1.

Я попытался использовать оконную функцию, но она применяет один и тот же счет ко всем записям в colA без приращения.

group-by count pyspark counter pyspark-sql

27.05.2019 23:00

Стоит ли изучать PHP в 2023-2024 годах?

Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...

Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией

В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.

Приемы CSS-макетирования - floats и Flexbox

Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...

Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest

В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...

Концепция локализации и ее применение в приложениях React ⚡️

Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...

Пользовательский скаляр GraphQL

Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...

457

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы уже поняли, что оконная функция — это то, что нужно. Возможно, вы не использовали функцию классифицировать.

import pyspark.sql.functions as F
from pyspark.sql import Window

l = [(1       , 2),
(1      , 3  ),
(1      , 2  ),
(2      , 1  ),
(2      , 5)]

columns = ['cola', 'colb']

df=spark.createDataFrame(l, columns)

w = Window.partitionBy('cola').orderBy('colb')

df = df.withColumn('count', F.rank().over(w))
df.show()

Выход:

+----+----+-----+ 
|cola|colb|count| 
+----+----+-----+ 
|   1|   2|    1| 
|   1|   2|    1| 
|   1|   3|    3| 
|   2|   1|    1| 
|   2|   5|    2|
+----+----+-----+

Если вы не хотите пробелов после одинаковых строк, вы должны использовать функцию плотный_ранг.

искал аналогичную информацию. Спасибо!

— 05.12.2019 15:32

28.05.2019 00:16