如何从特定列中具有最大值的数据框中获取行

Question

我有一个像这样的数据框架

df.show(5)
 kv   |list1     |list2                |p
[k1,v2|[1,2,5,9  |[5,1,7,9,6,3,1,4,9]  |0.5
[k1,v3|[1,2,5,8,9|[5,1,7,9,6,3,1,4,15] |0.9
[k2,v2|[77,2,5,9]|[0,1,8,9,7,3,1,4,100]|0.01
[k5,v5|[1,0,5,9  |[5,1,7,9,6,3,1,4,3]  |0.3
[k9,v2|[1,2,5,9  |[5,1,7,9,6,3,1,4,200]|2.5
df.count()
5200158

我想获得最大p的行，这对我有用，但是我不知道还有另一种清洁方法

val f = df.select(max(struct(
    col("pp") +: df.columns.collect { case x if x != "p" => col(x) }: _*
))).first()

Answer 1

只需订购，然后进行：

import org.apache.spark.sql.functions.desc
df.orderBy(desc("pp")).take(1)

或

df.orderBy(desc("pp")).limit(1).first

Answer 2

您也可以使用窗口功能，如果选择该行的逻辑变得更加复杂(除全局最低/最大(时，这特别有用：

import  org.apache.spark.sql.expressions.Window
df
  .withColumn("max_p",max($"p").over(Window.partitionBy()))
  .where($"p" === $"max_p")
  .drop($"max_p")
  .first()