如何获得Pypark中的平均值？

wbrvyc0a 于 2021-07-09 发布在 Spark

关注(0)|答案(1)|浏览(413)

我有一个sparkDataframe：

df = spark.createDataFrame([(10, "Hyundai"), (20, "alpha") ,(70,'Audio'), (1000,'benz'), (50,'Suzuki'),(60,'Lambo'),(30,'Bmw')],["Cars", "Brand"])

现在我想找出异常值，因为我使用了iqr，得到了上下两个值，如下图所示，然后找到了异常值：

lower, upper = -55.0 145.0
outliers= df.filter((df['Cars'] > upper) | (df['Cars'] < lower))
Cars    Brand
1000    benz

现在我想找出排除异常值的平均值，找出我用过的函数，什么时候，我得到了这样的错误

"TypeError: 'Column' object is not callable"

from pyspark.sql import functions as fun
mean = df.select(fun.when((df['Cars'] > upper) | (df['Cars'] < lower), fun.mean(df['Cars'].alias('mean')).collect()[0]['mean']))
print(mean)

是我的代码错了还是有更好的方法？

DataFrame apache-spark pyspark apache-spark-sql outliers

来源：https://stackoverflow.com/questions/66870653/how-to-get-the-mean-in-pyspark

1条答案

按热度按时间

7kjnsjlb1#

我想你不需要使用 when . 你只需做一个筛选，然后汇总平均值：

import pyspark.sql.functions as F

mean = df.filter((df['Cars'] <= upper) & (df['Cars'] >= lower)).agg(F.mean('cars').alias('mean'))

mean.show()
+----+
|mean|
+----+
|40.0|
+----+

如果你想用 when ，可以使用条件聚合：

mean = df.agg(F.mean(F.when((df['Cars'] <= upper) & (df['Cars'] >= lower), df['Cars'])).alias('mean'))

mean.show()
+----+
|mean|
+----+
|40.0|
+----+

要收集到变量，可以使用collect：

mean_collected = mean.collect()[0][0]

赞(0）回复(0）举报 2021-07-09

我来回答

如何获得Pypark中的平均值？

1条答案

相关问题

热门标签

最新问答