Condividi tramite

GroupedData

Set di metodi per le aggregazioni in un dataframe, creato da DataFrame.groupBy.

Supporta Spark Connect

Sintassi

DataFrame.groupBy(*cols)

Methods

metodo Descrizione
agg(*exprs) Calcola le aggregazioni e restituisce il risultato come dataframe. Accetta un dizionario che esegue il mapping dei nomi di colonna per aggregare i nomi delle funzioni o un elenco di espressioni di colonna aggregate.
avg(*cols) Calcola i valori medi per ogni colonna numerica per ogni gruppo. mean è un alias.
count() Conta il numero di record per ogni gruppo.
max(*cols) Calcola il valore massimo per ogni colonna numerica per ogni gruppo.
mean(*cols) Calcola i valori medi per ogni colonna numerica per ogni gruppo. avg è un alias.
min(*cols) Calcola il valore minimo per ogni colonna numerica per ogni gruppo.
pivot(pivot_col, values) Pivot una colonna del dataframe corrente ed esegue l'aggregazione specificata.
sum(*cols) Calcola la somma per ogni colonna numerica per ogni gruppo.

Examples

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|
+----+------+-----+
  • Last updated on