string_agg_distinct

Aggregátumfüggvény: a különböző, nem null értékű bemeneti értékek összefűzésével, a határolóval elválasztva. listagg_distinctA .

Szemantika

import pyspark.sql.functions as sf

sf.string_agg_distinct(col=<col>)

# With delimiter
sf.string_agg_distinct(col=<col>, delimiter=<delimiter>)

Paraméterek

Paraméter	Típus	Description
col	pyspark.sql.Column vagy str	Céloszlop a számításhoz.
delimiter	pyspark.sql.Column, str vagy bytes	Opcionális. Az értékek elválasztásához használandó elválasztó. Az alapértelmezett érték Nincs.

Visszatérítések

pyspark.sql.Column: a számított eredmények oszlopa.

Példák

1. példa: String_agg_distinct függvény használata.

import pyspark.sql.functions as sf
df = spark.createDataFrame([('a',), ('b',), (None,), ('c',), ('b',)], ['strings'])
df.select(sf.string_agg_distinct('strings')).show()

+----------------------------------+
|string_agg(DISTINCT strings, NULL)|
+----------------------------------+
|                               abc|
+----------------------------------+

2. példa: String_agg_distinct függvény használata elválasztójellel.

import pyspark.sql.functions as sf
df = spark.createDataFrame([('a',), ('b',), (None,), ('c',), ('b',)], ['strings'])
df.select(sf.string_agg_distinct('strings', ', ')).show()

+--------------------------------+
|string_agg(DISTINCT strings, , )|
+--------------------------------+
|                         a, b, c|
+--------------------------------+

3. példa: String_agg_distinct függvény használata bináris oszlopokkal és elválasztójelekkel.

import pyspark.sql.functions as sf
df = spark.createDataFrame([(b'\x01',), (b'\x02',), (None,), (b'\x03',), (b'\x02',)],
                           ['bytes'])
df.select(sf.string_agg_distinct('bytes', b'\x42')).show()

+---------------------------------+
|string_agg(DISTINCT bytes, X'42')|
+---------------------------------+
|                 [01 42 02 42 03]|
+---------------------------------+

4. példa: String_agg_distinct függvény használata az összes Nincs értékkel rendelkező oszlopon.

import pyspark.sql.functions as sf
from pyspark.sql.types import StructType, StructField, StringType
schema = StructType([StructField("strings", StringType(), True)])
df = spark.createDataFrame([(None,), (None,), (None,), (None,)], schema=schema)
df.select(sf.string_agg_distinct('strings')).show()

+----------------------------------+
|string_agg(DISTINCT strings, NULL)|
+----------------------------------+
|                              NULL|
+----------------------------------+