GroupedData

Sada metod pro agregace v datovém rámci vytvořeném .DataFrame.groupBy

Podporuje Spark Connect.

Syntaxe

DataFrame.groupBy(*cols)

Methods

Metoda	Description
agg(*exprs)	Vypočítá agregaci a vrátí výsledek jako datový rámec. Přijímá názvy sloupců mapování slovníku na agregované názvy funkcí nebo seznam agregovaných výrazů sloupců.
avg(*cols)	Vypočítá průměrné hodnoty pro každý číselný sloupec pro každou skupinu. mean je alias.
count()	Spočítá počet záznamů pro každou skupinu.
max(*cols)	Vypočítá maximální hodnotu pro každý číselný sloupec pro každou skupinu.
mean(*cols)	Vypočítá průměrné hodnoty pro každý číselný sloupec pro každou skupinu. avg je alias.
min(*cols)	Vypočítá minimální hodnotu pro každý číselný sloupec pro každou skupinu.
pivot(pivot_col, values)	Provede kontingenční sloupec aktuálního datového rámce a provede zadanou agregaci.
sum(*cols)	Vypočítá součet pro každý číselný sloupec pro každou skupinu.

Příklady

df = spark.createDataFrame(
    [(2, "Alice"), (3, "Alice"), (5, "Bob"), (10, "Bob")], ["age", "name"])
df.groupBy("name").count().sort("name").show()

+-----+-----+
| name|count|
+-----+-----+
|Alice|    2|
|  Bob|    2|
+-----+-----+

from pyspark.sql import functions as sf

df.groupBy("name").agg(sf.min("age")).sort("name").show()

+-----+--------+
| name|min(age)|
+-----+--------+
|Alice|       2|
|  Bob|       5|
+-----+--------+

df.groupBy("name").avg("age").sort("name").show()

+-----+--------+
| name|avg(age)|
+-----+--------+
|Alice|     2.5|
|  Bob|     7.5|
+-----+--------+

from pyspark.sql import Row

df1 = spark.createDataFrame([
    Row(course="dotNET", year=2012, earnings=10000),
    Row(course="Java", year=2012, earnings=20000),
    Row(course="dotNET", year=2013, earnings=48000),
    Row(course="Java", year=2013, earnings=30000),
])
df1.groupBy("year").pivot("course", ["dotNET", "Java"]).sum("earnings").sort("year").show()

+----+------+-----+
|year|dotNET| Java|
+----+------+-----+
|2012| 10000|20000|
|2013| 48000|30000|
+----+------+-----+