![](/img/trans.png)
[英]Scala spark - count null value in dataframe columns using accumulator
[英]Count instances of combination of columns in spark dataframe using scala
我在scala中有一个名为df的火花数据框,有两列,比如a和b。 a列包含字母,b列包含下面的数字。
a b
----------
g 0
f 0
g 0
f 1
我可以使用不同的行
val dfDistinct=df.select("a","b").distinct
它给出了以下内容:
a b
----------
g 0
f 0
f 1
我想添加另一个列,其中包含这些不同组合在第一个数据帧中出现的次数,所以我最终得到了
a b count
----------
g 0 2
f 0 1
f 1 1
我不介意是否修改了原始命令,或者我对dfDistinct进行了单独的操作,给出了另一个数据帧。
任何建议都非常感谢,我为这个问题的微不足道的性质道歉,但我对scala或spark中的这种操作并不是最有经验的。
谢谢
院长
您可以简单地聚合和计数:
df.groupBy($"a", $"b").count
或者更冗长一点:
import org.apache.spark.sql.functions.{count, lit}
df.groupBy($"a", $"b").agg(count(lit(1)).alias("cnt"))
两者都等同于原始SQL聚合:
df.registerTempTable("df")
sqlContext.sql("SELECT a, b, COUNT(1) AS cnt FROM df GROUP BY a, b")
另见Cross Tabulation
val g="g"
val f = "f"
val df = Seq(
(g, "0"),
(f, "0"),
(g, "0"),
(f, "1")
).toDF("a", "b")
val res = df.stat.crosstab("a","b")
res.show
+---+---+---+
|a_b| 0| 1|
+---+---+---+
| g| 2| 0|
| f| 1| 1|
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.