按同一列分组后取消pivot pysparkDataframe

5rgfhyps 于 2021-07-13 发布在 Spark

关注(0)|答案(2)|浏览(337)

正在寻找将Dataframex转换为y的任何线索。
我试过使用unpivot，在按ai和country列分组之后。显然，不可能在按同一列分组后取消对列的IVOT。一些完全不同的方法也可以。
x码：

A1,A2,A3,country
True,False,True,"USA"
False,False,False,"USA"
False,True,False,"USA"
False,False,True,"USA"
False,False,False,"USA"
True,False,False,"RUS"
False,True,False,"RUS"
False,False,False,"RUS"
False,False,False,"RUS"
True,False,False,"ENG"
False,False,True,"ENG"
False,False,False,"CHN"

是：

A1,A2,A3,country
1,1,2,"USA"
1,1,0,"RUS"
1,0,1,"ENG"
0,0,0,"CHN"

python apache-spark pyspark apache-spark-sql pyspark-dataframes

来源：https://stackoverflow.com/questions/66065870/unpivot-pyspark-dataframe-after-grouping-by-the-same-column

2条答案

按热度按时间

cedebl8k1#

您可以按国家/地区分组，并对其他列进行汇总：

df2 = df.groupBy('country').agg(*[F.sum(F.col(c).cast('int')).alias(c) for c in ['A1', 'A2', 'A3']])

df2.show()
+-------+---+---+---+
|country| A1| A2| A3|
+-------+---+---+---+
|    ENG|  1|  0|  1|
|    USA|  1|  1|  2|
|    RUS|  1|  1|  0|
|    CHN|  0|  0|  0|
+-------+---+---+---+

赞(0）回复(0）举报 2021-07-13

j13ufse22#

类似于@mck的答案，但是你可以使用spark 3+ count_if 函数而不是强制转换为int和求和：

df1 = df.groupby("country").agg(
    *[F.expr(f"count_if({c})").alias(c) for c in df.columns if c != "country"]
)

df1.show()

# +-------+---+---+---+

# |country| A1| A2| A3|

# +-------+---+---+---+

# |    ENG|  1|  0|  1|

# |    USA|  1|  1|  2|

# |    RUS|  1|  1|  0|

# |    CHN|  0|  0|  0|

# +-------+---+---+---+

赞(0）回复(0）举报 2021-07-13

我来回答

按同一列分组后取消pivot pysparkDataframe

2条答案

相关问题

热门标签

最新问答