特定列中的前n项

zpjtge22 于 2021-05-27 发布在 Spark

关注(0)|答案(1)|浏览(260)

我试着在一个特定的日子里显示5个“prct\u chng”最高的股票。如何编写代码来完成上述任务？
样本数据：

+------+-------------------+-----+-----+-----+-----+-------+-------+-------+-------------+
|TICKER|               DATE| OPEN| HIGH|  LOW|CLOSE|    VOL|  SMA50| SMA100|    prct_chng|
+------+-------------------+-----+-----+-----+-----+-------+-------+-------+-------------+
|   IAG|2020-07-22 00:00:00| 0.74| 0.74|0.685|0.725|  23873|  0.405|  0.308|        0.986|
|   ITM|2020-07-22 00:00:00|0.153|0.153|0.145| 0.15|   9230|  0.230|  0.290|        1.000|
|   ATG|2020-07-22 00:00:00| 4.96| 4.96| 4.91| 4.92|   1576|  4.552|  4.192|        1.002|
|   ALL|2020-07-22 00:00:00|  8.2| 8.66| 8.02|  8.4|  14009|  7.077|  6.684|        1.017|
|   SUW|2020-07-22 00:00:00| 17.0| 17.0| 16.8| 16.8|     35| 14.997| 13.481|        0.988|
|   SPH|2020-07-22 00:00:00| 14.0| 14.0| 14.0| 14.0|      8| 14.195| 15.620|        1.037|
|   CEZ|2020-07-22 00:00:00| 80.5| 80.5| 79.8| 79.9|    301| 78.593| 75.613|        0.988|
|   IMP|2020-07-22 00:00:00|  1.2| 1.27| 1.19| 1.27|  55998|  1.030|  0.945|        1.104|
|   4FM|2020-07-22 00:00:00| 4.82| 4.82| 4.57| 4.59|    255|  4.702|  4.397|        0.998|
|   ALR|2020-07-23 00:00:00|17.45| 17.6| 16.9|16.91| 327103| 17.006| 15.735|        0.971|
|   CCC|2020-07-23 00:00:00| 65.0| 65.1|62.94| 63.7| 156646| 63.383| 54.450|        0.986|
|   INK|2020-07-23 00:00:00|19.45|19.45|19.25|19.45|    861| 18.533| 16.939|        1.010|
|   WPL|2020-07-23 00:00:00| 75.6| 75.6| 71.6| 71.6|   3231| 70.950| 69.491|        0.957|
|   ECH|2020-07-23 00:00:00| 3.94| 3.98| 3.92| 3.95| 155636|  3.919|  3.984|        1.003|
|   TEN|2020-07-23 00:00:00|550.0|560.0|540.0|541.0|  17752|542.903|490.941|        0.975|
+------+-------------------+-----+-----+-----+-----+-------+-------+-------+-------------+

这个问题的答案真的很接近从这个职位的答复前n项从SparkDataframe/rdd，但没有按日期划分。

apache-spark pyspark apache-spark-sql

来源：https://stackoverflow.com/questions/63080764/top-n-items-from-specific-column-over-date

1条答案

按热度按时间

h9a6wy2h1#

您可以使用窗口功能->行数按日期划分，按序排列，在描述顺序中选择top5 ticker。

from pyspark.sql import functions as F
    from pyspark.sql.window import Window

    #InputDF
    # +------+-------------------+---------+
    # |TICKER|               DATE|prct_chng|
    # +------+-------------------+---------+
    # |   IAG|2020-07-22 00:00:00|    0.986|
    # |   ITM|2020-07-22 00:00:00|      1.0|
    # |   ATG|2020-07-22 00:00:00|    1.002|
    # |   ALL|2020-07-22 00:00:00|    1.017|
    # |   SUW|2020-07-22 00:00:00|    0.988|
    # |   SPH|2020-07-22 00:00:00|    1.037|
    # |   CEZ|2020-07-22 00:00:00|    0.988|
    # |   IMP|2020-07-22 00:00:00|    1.104|
    # |   4FM|2020-07-22 00:00:00|    0.998|
    # |   ALR|2020-07-23 00:00:00|    0.971|
    # |   CCC|2020-07-23 00:00:00|    0.986|
    # |   INK|2020-07-23 00:00:00|     1.01|
    # |   WPL|2020-07-23 00:00:00|    0.957|
    # |   ECH|2020-07-23 00:00:00|    1.003|
    # |   TEN|2020-07-23 00:00:00|    0.975|
    # +------+-------------------+---------+

    w= Window.partitionBy(F.to_timestamp("DATE")).orderBy(F.desc("prct_chng"))

    df.withColumn("r_no", F.row_number().over(w)).filter(F.col("r_no") <=5).drop("r_no").show()

    # +------+-------------------+---------+
    # |TICKER|               DATE|prct_chng|
    # +------+-------------------+---------+
    # |   IMP|2020-07-22 00:00:00|    1.104|
    # |   SPH|2020-07-22 00:00:00|    1.037|
    # |   ALL|2020-07-22 00:00:00|    1.017|
    # |   ATG|2020-07-22 00:00:00|    1.002|
    # |   ITM|2020-07-22 00:00:00|      1.0|
    # |   INK|2020-07-23 00:00:00|     1.01|
    # |   ECH|2020-07-23 00:00:00|    1.003|
    # |   CCC|2020-07-23 00:00:00|    0.986|
    # |   TEN|2020-07-23 00:00:00|    0.975|
    # |   ALR|2020-07-23 00:00:00|    0.971|
    # +------+-------------------+---------+

赞(0）回复(0）举报 2021-05-27

我来回答

特定列中的前n项

1条答案

相关问题

热门标签

最新问答