spark版本3.0
我有一个这样的Dataframe
+-------------------------------------------------+
|named_val |
+-------------------------------------------------+
|[[Alex, 1], [is, 1], [a, 1], [good, 1], [boy, 1]]|
|[[Bob, 1], [Bob, 1], [bad, 1], [Bob, 1]] |
+-------------------------------------------------+
我需要创建一个带有唯一值计数的Map,如下所示
预期产量
+-------------------------------------------------+
|named_val |
+-------------------------------------------------+
|{Alex->1, is->1, a->1, good->1, boy->1} |
|{Bob->3, bad->1} |
+-------------------------------------------------+
要复制代码,请使用
df = spark.createDataFrame([([['Alex', 1], ['is', 1], ['a', 1], ['good', 1], ['boy', 1]],),([['Bob', 1], ['Bob', 1], ['bad', 1], ['Bob', 1]],)],['named_val'])
2条答案
按热度按时间7hiiyaii1#
在scala中,但python版本将非常相似:
iswrvxsc2#
我们的老朋友udf呢?与洗牌相比,se/de成本应较低: