我在pyspark中有一个Dataframe（我在一个大约有160万行的分区中读取Dataframe，但是我经常在多个分区中读取Dataframe）。
对于每周的数据，有大约200000个不同的时间戳，对于每个时间戳，最多有8个不同的位置id（x，y坐标，而不是经纬度）。在大多数情况下，将有8个地点，但在罕见的情况下，可能有7或6个。这些列是week_num、ts、x_coord和y_coord（还有其他列，但这些是与此问题相关的列）。我想找出每个时间分组的位置ID（多边形的面积）所占用的总面积。我想我会使用一个pandas分组图和一个ts分组，然后我会有一个pandas udf，它会以某种方式计算每个分组中n行的多边形的面积，其中每行有一个x坐标和一个y坐标，但是我不确定这种方法是否合理，或者这个函数如何工作，它不影响三角形的面积。此外，我不确定这是否是一种有效的方法。

df.groupby('WEEK_NUM', 'TS').applyInPandas(some_function_that_calcs_area_polygon)
``` `some_function_that_calcs_area_polygon` 将接收最多8行的分组，然后使用numpy获取区域？