按多个列独立分组

vaqhlq81 于 2021-06-27 发布在 Hive

关注(0)|答案(2)|浏览(355)

我有一个Dataframe，其中有2列。

dataframe 1:-

  product | act
    a     |  A
    b     |  B
    c     |  C
    d     |  D
    b     |  C
    a     |  D

我希望输出如下：

product   act   product_count   act_count2
     a        A       2               1
     b        B       2               1
     c        C       1               2
     d        D       1               2

我要对每一列分别计数。

Hive pyspark pyspark-dataframes pyspark-sql

来源：https://stackoverflow.com/questions/58077725/group-by-independently-on-multiple-column

2条答案

按热度按时间

bvuwiixz1#

您可以通过在pyspark中使用窗口来实现这一点
下面是伪代码（我没有运行它，但您的代码希望如下）
假设您正在使用Dataframe（df）

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

w = Window.partitionBy('product')
w1 = Window.partitionBy('act')

df.withColumn('product_count', F.count('product').over(w)).withColumn('act_count', F.count('act').over(w1))

df.show()

赞(0）回复(0）举报 2021-06-27

cgyqldqp2#

您可以使用df.select（）作为 df_count = df.select([F.count(df[col]).over(Window.partitionBy(col)).alias("{}_count".format(col)) for col in df.columns])

赞(0）回复(0）举报 2021-06-27