时间戳

首页 > 解决方案 > pyspark如何根据另一列的值返回一列的平均值？

python - pyspark如何根据另一列的值返回一列的平均值？

问题描述

我不认为这很困难，但我无法理解如何在我的 spark 数据框中取列的平均值。

数据框如下所示：

+-------+------------+--------+------------------+
|Private|Applications|Accepted|              Rate|
+-------+------------+--------+------------------+
|    Yes|         417|     349|0.8369304556354916|
|    Yes|        1899|    1720|0.9057398630858347|
|    Yes|        1732|    1425|0.8227482678983834|
|    Yes|         494|     313|0.6336032388663968|
|     No|        3540|    2001|0.5652542372881356|
|     No|        7313|    4664|0.6377683577191303|
|    Yes|         619|     516|0.8336025848142165|
|    Yes|         662|     513|0.7749244712990937|
|    Yes|         761|     725|0.9526938239159002|
|    Yes|        1690|    1366| 0.808284023668639|
|    Yes|        6075|    5349|0.8804938271604938|
|    Yes|         632|     494|0.7816455696202531|
|     No|        1208|     877|0.7259933774834437|
|    Yes|       20192|   13007|0.6441660063391442|
|    Yes|        1436|    1228|0.8551532033426184|
|    Yes|         392|     351|0.8954081632653061|
|    Yes|       12586|    3239|0.2573494358811378|
|    Yes|        1011|     604|0.5974282888229476|
|    Yes|         848|     587|0.6922169811320755|
|    Yes|        8728|    5201|0.5958982584784601|
+-------+------------+--------+------------------+

我想在等于“是”Rate时返回列的平均值。Private我怎样才能做到这一点？

标签： pythondataframeapache-sparkpyspark

解决方案

尝试

df.filter(df['Private'] == 'Yes').agg({'Rate': 'avg'}).collect()[0]

推荐阅读