如何根据匹配字段将数据框的几列转换为数组



我有一个看起来像这样的数据框架

+---+----+------+-------+------+
| Id|fomrid|values|occ| comments
+---+----+------+-------+------+
|  1| x1  |   22.0|   1|  text1|
|  1| x1  |   test|   2| text2 |
|  1| x1  |     11|   3| text3 |
|  1| x2  |    21 |  0 | text4 |
|  2| p1  |     1 |   1| text5 |
+---+----+------+-------+------+

如何将其转换为下面的数据框架?实际上,我想创建一个基于formId的值和occ列表。

+---+------+--------------+--------+------+
| Id|fomrid|List_values   |List_occ| comments
+---+------+--------------+--------+------+
|  1| x1  |[22.0, test,11]|[1,2,3]|  text1|
|  1| x2  | [21]          | [0]   | text4 |
|  2| p1  | [1]           | [1]   | text5 |
+---+-----+---------------+-------+-------+

您可以使用collect_list来实现这一点。

使用spark sql创建一个临时视图并在你的spark会话上运行

input_df.createOrReplaceTempView("my_temp_table_or_view")
output_df = sparkSession.sql("<insert sql below here>")
SELECT
Id,
fomrid,
collect_list(values) as List_values,
collect_list(occ) as List_occ,
MIN(comments) as comments
FROM
my_temp_table_or_view
GROUP BY
Id, formrid

使用pyspark api

from pyspark.sql import functions as F
output_df = (
input_df.groupBy(["Id","fomrid"])
.agg(
F.collect_list("values").alias("List_values"),
F.collect_list("occ").alias("List_occ"),
F.min("comments").alias("comments")               
)
)
使用scala

val output_df = input_df.groupBy("Id","fomrid")
.agg(
collect_list("values").alias("List_values"),
collect_list("occ").alias("List_occ"),
min("comments").alias("comments") 
)

让我知道这是否适合你。

相关内容

  • 没有找到相关文章

最新更新