python-2.7 - 当percentile_approx基于groupby返回特定列的单个值时,如何选择另一列的对应值?
问题描述
我是 pyspark 的新手,需要一些澄清。我有一个像这样的 PySpark 表:
+---+-------+-----+-------+
| id| ranges|score| uom|
+---+-------+-----+-------+
| 1| low| 20|percent|
| 1|verylow| 10|percent|
| 1| high| 70| bytes|
| 1| medium| 40|percent|
| 1| high| 60|percent|
| 1|verylow| 10|percent|
| 1| high| 70|percent|
+---+-------+-----+-------+
我想计算给定百分比为0.95的分数列的百分位值,同时我希望它也应该返回相应的范围值。我尝试运行此查询:
results = spark.sql('select percentile_approx(score,0.95) as score, first(ranges) from subset GROUP BY id')
我得到这样的结果:
+-----+--------------------+
|score|first(ranges, false)|
+-----+--------------------+
| 70| low|
+-----+--------------------+
它返回不正确的范围的第一个值,它应该是“高”。如果我从查询中删除 first(ranges) 它会给我错误:
> pyspark.sql.utils.AnalysisException: u"expression 'subset.`ranges`' is
> neither present in the group by, nor is it an aggregate function. Add
> to group by or wrap in first() (or first_value) if you don't care
> which value you get.;;\nAggregate [id#0L],
> [percentile_approx(score#2L, cast(0.95 as double), 10000, 0, 0) AS
> score#353L, ranges#1]\n+- SubqueryAlias subset\n +- LogicalRDD
> [id#0L, ranges#1, score#2L, uom#3], false\n
解决方案
这是因为您仅按 id 分组。因此,通过使用第一个函数,您可以有效地从范围列中选择一个随机值。
一种解决方案是创建第二个数据框,其中包含分数到范围的映射,然后在最后将其连接回结果 df。
>>> df.registerTempTable("df") # Register first before selecting from 'df'
>>> map = spark.sql('select ranges, score from df')
>>> results = spark.sql('select percentile_approx(score,0.95) as score from subset GROUP BY id')
>>> results .registerTempTable("results ")
>>> final_result = spark.sql('select r.score, m.ranges from results as r join map as m on r.score = m.score')
推荐阅读
- javascript - 使用 $.each 限制实时搜索 json 数据中的行数
- php - 我有sql自定义执行方法,但是发现错误无缓冲查询
- javascript - NestJS:如何在中间件中获取 ExecutionContext
- sql-server - 并发处理存储过程
- android - 如何在预览中选择材质主题?
- dns - 无法使用 bitnami.conf 运行多个子域
- c# - C# 如何使用反射从没有 IConvertible 的类型进行转换
- c# - 无法使用 BotFramework 4 显示简单的 ReceiptCard
- javascript - Javascript Canvas 在没有 requestAnimFrame 的情况下创建心跳
- android - CoordinatorLayout 返回 null