如何从pyspark/python数据集中的上一个计算列中获取值

7vhp5slm 于 2021-06-24 发布在 Hive

关注(0)|答案(1)|浏览(311)

我试图在pyspark/python表中创建一个新列（b）。新列（b）是（a）列的当前值+列（b）的上一个值之和
所需输出示例图像

`Id   a     b
1    977   977
2    3665  4642
3    1746  6388
4    2843  9231
5    200   9431`

当前列b=当前列a+上一列b；示例行4:9231（b列）=2843（a列）+6388（以前的b列值）
（对于第1行，因为之前没有b的值，所以它是0）
请帮助我使用python/pyspark查询代码

mysql Hive python pyspark apache-spark-sql

来源：https://stackoverflow.com/questions/63156474/how-to-get-value-from-previous-calculated-column-in-pyspark-python-data-set

1条答案

按热度按时间

slmsl1lt1#

如果没有上下文，我可能错了，但似乎你试图做a列的累积和：

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

df = df.withColumn('B', sf.sum(df.A).over(Window.partitionBy().orderBy().rowsBetween(
Window.unboundedPreceding, 0)))

编辑：
如果您需要基于b的最后一个值迭代地添加新行，并且假设dataframe中的b值在此期间没有变化，那么我认为您最好在标准python变量中记住b，并用它构建下面的行。

previous_B = 0

# your code to get new A

previous_B += new_A
new_row = spark.createDataFrame([(new_A, previous_B)])
df = df.union(new_row)

赞(0）回复(0）举报 2021-06-24

我来回答

如何从pyspark/python数据集中的上一个计算列中获取值

1条答案

相关问题

热门标签

最新问答