GroupByKey并创建值为pyspark sql dataframe的列表

问题描述

所以我有一个类似Spark的数据框：

  a | b | c 
 5 | 2 | 1 
 5 | 4 | 3 
 2 | 4 | 2 
 2 | 3 | 7 
  

我想按列 a 分组，创建一个列表b列中的值，并忘记c。输出数据框应该是：

  a | b_list 
 5 | （2,4）
 2 | （4,3）
  

如何使用pyspark sql数据框执行此操作？

谢谢！ ：）

解决方案

以下是获取该数据框的步骤。

 >>>从pyspark.sql导入函数为F 
>>> 
>>> d = [{'a'：5，'b'：2，'c'：1}，{'a'：5，'b'：4，'c'：3}，{'a'：2， 'b'：4，'c'：2}，{'a'：2，'b'：3，'c'：7}] 
>>> df = spark.createDataFrame（d）
>>> df.show（）
 + --- + --- + --- + 
 | A | C | ç| 
 + --- + --- + --- + 
 | 5 | 2 | 1 | 
 | 5 | 4 | 3 | 
 | 2 | 4 | 2 | 
 | 2 | 3 | 7 | 
 + --- + --- + --- + 
 
>>> df1 = df.groupBy（'a'）。agg（F.collect_list（b））
>>> df1.show（）
 + --- + --------------- + 
 |一个| collect_list（B）| 
 + --- + --------------- + 
 | 5 | [2，4] | 
 | 2 | [4，3] | 
 + --- + --------------- + 
  

So I have a spark dataframe that looks like:

a | b | c
5 | 2 | 1
5 | 4 | 3
2 | 4 | 2
2 | 3 | 7

And I want to group by column a, create a list of values from column b, and forget about c. The output dataframe would be :

a | b_list
5 | (2,4)
2 | (4,3)

How would I go about doing this with a pyspark sql dataframe?

Thank you! :)

解决方案

Here are the steps to get that Dataframe.

>>> from pyspark.sql import functions as F
>>>
>>> d = [{'a': 5, 'b': 2, 'c':1}, {'a': 5, 'b': 4, 'c':3}, {'a': 2, 'b': 4, 'c':2}, {'a': 2, 'b': 3,'c':7}]
>>> df = spark.createDataFrame(d)
>>> df.show()
+---+---+---+
|  a|  b|  c|
+---+---+---+
|  5|  2|  1|
|  5|  4|  3|
|  2|  4|  2|
|  2|  3|  7|
+---+---+---+

>>> df1 = df.groupBy('a').agg(F.collect_list("b"))
>>> df1.show()
+---+---------------+
|  a|collect_list(b)|
+---+---------------+
|  5|         [2, 4]|
|  2|         [4, 3]|
+---+---------------+

这篇关于GroupByKey并创建值为pyspark sql dataframe的列表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！