如何在Pyspark Dataframe 中按groupby后按计数过滤？

of1yzvn4 于 2023-01-12 发布在 Spark

关注(0)|答案(1)|浏览(219)

我有一个像这样的公园 Dataframe 。

data = [("1", "a"), ("2", "a"), ("3", "b"), ("4", "a")]
df = spark.createDataFrame(data).toDF(*("id", "name"))
df.show()
+---+----+
| id|name|
+---+----+
|  1|   a|
|  2|   a|
|  3|   b|
|  4|   a|
+---+----+

我按名称列对此 Dataframe 进行分组。

df.groupBy("name").count().show()
+----+-----+
|name|count|
+----+-----+
|   a|    3|
|   b|    1|
+----+-----+

现在，在按 Dataframe 进行groupby之后，我尝试过滤计数小于3的名称。例如，我希望得到如下所示的结果：

+----+-----+
|name|count|
+----+-----+
|   b|    1|
+----+-----+

pyspark

来源：https://stackoverflow.com/questions/75063968/how-to-filter-by-count-after-groupby-in-pyspark-dataframe

1条答案

按热度按时间

flseospp1#

试试这个：

from pyspark.sql import functions as F

data = [("1", "a"), ("2", "a"), ("3", "b"), ("4", "a")]
df = spark.createDataFrame(data).toDF(*("id", "name"))
df.groupBy("name").count().where(F.col('count') < 3).show()

F是函数的别名，你可以使用任何你想要的标识符，但是通常写为F或func，这只是个人习惯。
结果：

+----+-----+
|name|count|
+----+-----+
|   b|    1|
+----+-----+

赞(0）回复(0）举报 2023-01-12

我来回答

如何在Pyspark Dataframe 中按groupby后按计数过滤？

1条答案

相关问题

热门标签

最新问答