GroupedData

Un conjunto de métodos para agregaciones en un dataframe, creado por DataFrame.groupBy.

Admite Spark Connect

Sintaxis

DataFrame.groupBy(*cols)

Methods

Método	Descripción
agg(*exprs)	Calcula agregados y devuelve el resultado como dataframe. Acepta un nombre de columna de asignación de diccionarios para agregar nombres de función o una lista de expresiones de columna agregadas.
avg(*cols)	Calcula los valores promedio de cada columna numérica para cada grupo. mean es un alias.
count()	Cuenta el número de registros de cada grupo.
max(*cols)	Calcula el valor máximo de cada columna numérica para cada grupo.
mean(*cols)	Calcula los valores promedio de cada columna numérica para cada grupo. avg es un alias.
min(*cols)	Calcula el valor mínimo de cada columna numérica para cada grupo.
pivot(pivot_col, values)	Dinamiza una columna del dataframe actual y realiza la agregación especificada.
sum(*cols)	Calcula la suma de cada columna numérica para cada grupo.

Ejemplos

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|
+----+------+-----+