我有一个Dataframe,我想把数据汇总成7天,并对一些函数进行聚合。
我有一个pysparksql数据框架,比如------
Sale_Date|P_1|P_2|P_3|G_1|G_2|G_3|Total_Sale|Sale_Amt|Promo_Disc_Amt |
|2013-04-10| 1| 9| 1| 1| 1| 1| 1| 295.0|0.0|
|2013-04-11| 1| 9| 1| 1| 1| 1| 3| 567.0|0.0|
|2013-04-12| 1| 9| 1| 1| 1| 1| 2| 500.0|200.0|
|2013-04-13| 1| 9| 1| 1| 1| 1| 1| 245.0|20.0|
|2013-04-14| 1| 9| 1| 1| 1| 1| 1| 245.0|0.0|
|2013-04-15| 1| 9| 1| 1| 1| 1| 2| 500.0|200.0|
|2013-04-16| 1| 9| 1| 1| 1| 1| 1| 250.0|0.0|
我在Dataframe上应用了如下窗口函数-
days = lambda i: i * 86400
windowSp = Window().partitionBy(dataframeOfquery3["P_1"],dataframeOfquery3["P_2"],dataframeOfquery3["P_3"],dataframeOfquery3["G_1"],dataframeOfquery3["G_2"],dataframeOfquery3["G_3"])\
.orderBy(dataframeOfquery3["Sale_Date"].cast("timestamp").cast("long").desc())\
.rangeBetween(-(days(7)), 0)
现在我想执行一些聚合,即应用一些windows函数,如下所示--
df = dataframeOfquery3.select(min(dataframeOfquery3["Sale_Date"].over(windowSp).alias("Sale_Date")))
df.show()
但它给出了以下错误。
py4j.protocol.Py4JJavaError: An error occurred while calling o138.select.
: org.apache.spark.sql.AnalysisException: Could not resolve window function 'min'. Note that, using window functions currently requires a HiveContext;
我使用的是基于hadoop的apachespark1.6.0。
1条答案
按热度按时间vhmi4jdf1#
这个错误说明了一切:
您将需要一个支持配置单元(使用配置单元构建)的spark版本,然后才能声明hivecontext:
然后使用该上下文执行窗口功能。
在python中:
你可以进一步了解
SQLContext
以及HiveContext
在这里。sparksql有一个sqlcontext和一个hivecontext。hivecontext是sqlcontext的一个超集。spark社区建议使用hivecontext。您可以看到,当您运行sparkshell(这是您的交互式驱动程序应用程序)时,它会自动创建一个定义为sc的sparkcontext和一个定义为sqlcontext的hivecontext。hivecontext允许您执行sql查询和配置单元命令。pyspark也会出现相同的行为。