From PySpark docs rangeBetween:
rangeBetween(start, end)定义帧边界，从开始(包括)到结束(包括)。
起始行和结束行都是相对于当前行的。例如，"0"表示"当前行"，"-1"表示当前行之前的1，"5"表示当前行之后的5。
参数:
- start -包括边界开始。如果这是-sys，那么这个坐标系是无界的。maxsize(或更小).
- end -边界末端，包括。如果这是sys，那么坐标系是无界的。Maxsize(或更大)。1.4新版功能。
而rowsBetween
rowsBetween(start, end)定义帧边界，从开始(包括)到结束(包括)。
起始和结束都是相对于当前行的位置。例如，"0"表示"当前行"，"-1"表示当前行之前的行，"5"表示当前行之后的第五行。
参数:
- start -包括边界开始。如果这是-sys，那么这个坐标系是无界的。maxsize(或更小).
- end -边界末端，包括。如果这是sys，那么坐标系是无界的。Maxsize(或更大)。1.4新版功能。
对于rangeBetween，"1关"与"1行"如何不同?
很简单:
-
ROWS BETWEEN不关心确切的值。它只关心行的顺序，计算帧时取固定的前后行数。 -
RANGE BETWEEN在计算帧时考虑值。
让我们用一个使用两个窗口定义的例子:
-
ORDER BY x ROWS BETWEEN 2 PRECEDING AND CURRENT ROW -
ORDER BY x RANGE BETWEEN 2 PRECEDING AND CURRENT ROW
和data为
+---+
| x|
+---+
| 10|
| 20|
| 30|
| 31|
+---+
假设当前行是第一个窗口的值为31的行，将包括以下行(当前行和前两行):
+---+----------------------------------------------------+
| x|ORDER BY x ROWS BETWEEN 2 PRECEDING AND CURRENT ROW|
+---+----------------------------------------------------+
| 10| false|
| 20| true|
| 30| true|
| 31| true|
+---+----------------------------------------------------+
和其后的第二个(当前一个，以及前面所有x>= 31 - 2):
+---+-----------------------------------------------------+
| x|ORDER BY x RANGE BETWEEN 2 PRECEDING AND CURRENT ROW|
+---+-----------------------------------------------------+
| 10| false|
| 20| false|
| 30| true|
| 31| true|
+---+-----------------------------------------------------+
Java spark文档增加清晰度:https://spark.apache.org/docs/2.3.0/api/java/org/apache/spark/sql/expressions/WindowSpec.html#rowsBetween-long-long-
rangeBetween
基于范围的边界基于ORDER BY表达式的实际值。偏移量用于更改ORDER BY表达式的值，例如，如果当前ORDER BY表达式的值为10，而下界偏移量为-3，则当前行的结果下界将为10 -3 = 7。然而，这给ORDER BY表达式带来了许多约束:只能有一个表达式，并且该表达式必须具有数值数据类型。当偏移量不受限制时，可能会产生异常，因为不需要修改值，在这种情况下，允许使用多个非数字ORDER BY表达式。
rowBetween
基于行的边界基于行在分区中的位置。偏移量表示当前行上方或下方的行数，当前行的帧开始或结束。例如，给定一个基于行的滑动框架，下界偏移量为-1，上界偏移量为+2。索引为5的行的框架范围从索引4到索引6。
rowsBetween: -使用rowsBetween定义要计算的行的边界帧，该帧是独立计算的
df = spark.read.csv(r'C:UsersakashSainiDesktopTT.csv',inferSchema =True, header=True).na.drop()
w =Window.partitionBy('DEPARTMENT').orderBy('SALARY').rowsBetween(Window.unboundedPreceding,Window.currentRow)
df.withColumn('RowsBetween', F.sum(df.SALARY).over(w)).show()
first_name|Department|Salary|RowsBetween|
Sofia| Sales| 20000| 20000|
Gordon| Sales| 25000| 45000|
Gracie| Sales| 25000| 70000|
Cellie| Sales| 25000| 95000|
Jervis| Sales| 30000|125000|
Akash| Analysis| 30000| 30000|
Richard| Account| 12000| 12000|
Joelly| Account| 15000| 27000|
Carmiae| Account| 15000| 42000|
Bob| Account| 20000| 62000|
Gally| Account| 28000| 90000
rangeBetween: -使用rangeBetween，您定义要计算的行的边界帧，该边界帧可能会更改。
Frame in rangeBetween取决于order子句。rangeBetween将包括所有在order子句中具有相同值的行，例如Gordon, Gracie和Cellie具有相同的薪水，因此包含在当前帧中。
更多的理解参见下面的例子:df = spark.read.csv(r'C:Usersasaini28.EADDesktopTT.csv',inferSchema =True, header=True).na.drop()
w =Window.partitionBy('DEPARTMENT').orderBy('SALARY').rangeBetween(Window.unboundedPreceding,Window.currentRow)
df.withColumn('RangeBetween', F.sum(df.SALARY).over(w)).select('first_name','Department','Salary','Test').show()
first_name|Department|Salary|RangeBetween|
Sofia| Sales| 20000| 20000|
Gordon| Sales| 25000| 95000|
Gracie| Sales| 25000| 95000|
Cellie| Sales| 25000| 95000|
Jervis| Sales| 30000|125000|
Akash| Analysis| 30000| 30000|
Richard| Account| 12000| 12000|
Joelly| Account| 15000| 42000|
Carmiae| Account| 15000| 42000|
Bob| Account| 20000| 62000|
Gally| Account| 28000| 90000|
RANGEbetween查看ORDER BY子句，以确定一行是否包含在窗口中。
ROWSbetween查看行的顺序。
RANGE between检查ORDER BY是否在某个指定的范围内，并将它们包含在一个窗口中。
ROWSbetween将根据当前行周围的行位置(不管这些行的ORDER BY列的值)形成窗口