在sparksql中为每年和每月做累积总和

问题描述

输入:

item    loc    qty    year    month
A       IND     10     2019      13
A       IND     20     2020      1
A       IND     10     2020      2
A       IND     40     2020      3
A       IND     50     2020      5
A       IND     10     2020      6

输出:

item   loc  sum(qty)   year   month
A       IND   0      2019    13
A       IND   10     2020    1
A       IND   30     2020    2
A       IND   40     2020    3
A       IND   50     2020    5
A       IND   90     2020    6

说明:

我将如何得到我的输出如下:

how will i get my output is as follows:

如果我计算的是 2020 年和第 3 个月，那么我需要考虑(第 3 个月)和(第 1 个月)之间的总和(数量)，即在这种情况下，它将是从 2019 年第 12 个月到 2020 年和第 2 个月

if i am calculationg for year 2020 and month 3 then i need to consider the sum(qty) between (month-3) and (month-1) i.e. in this case it will be from year 2019 month 12 to year 2020 and month 2

因此对于 2020 年和第 3 个月，输出将为 sum(qty)=10+20+10=40

so for year 2020 and month 3 the ouput will be sum(qty)=10+20+10=40

现在是 2020 年和第 6 个月

now for year 2020 and month 6

sum(qty) 将在 2020 年和月份 -3=3 和 2020 年和月份-1=5 之间

sum(qty) will be between year 2020 and month -3=3 and year 2020 and month-1=5

so sum(qty)=0(0 表示第 4 个月不在表中)+40+50=90

so sum(qty)=0(0 for month 4 which is not in the table)+40+50=90

推荐答案

试试这个.

df.createOrReplaceTempView("test")

spark.sql("""
    SELECT 
        item,
        loc,
        COALESCE(
            SUM(qty) OVER (
                PARTITION BY item 
                ORDER BY (year - 2000) * 13 + month
                RANGE BETWEEN 3 PRECEDING AND 1 PRECEDING
            ), 0) as sum_qty,
        year,
        month
    FROM 
        test
""").show

+----+---+-------+----+-----+
|item|loc|sum_qty|year|month|
+----+---+-------+----+-----+
|   A|IND|      0|2019|   13|
|   A|IND|     10|2020|    1|
|   A|IND|     30|2020|    2|
|   A|IND|     40|2020|    3|
|   A|IND|     50|2020|    5|
|   A|IND|     90|2020|    6|
+----+---+-------+----+-----+

这篇关于在sparksql中为每年和每月做累积总和的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！