在spark-sql中执行SQL语句

Question

我有一个以下格式的文本文件：

ID,Name,Rating
1,A,3
2,B,4
1,A,4

我想找到spark中每个ID的平均评分。 这是我到目前为止的代码，但是一直在给我一个错误：

val Avg_data=spark.sql("select ID, AVG(Rating) from table")

错误：org.apache.sapk.sql.AnalysisException：分组表达式序列为空，并且'table'。'ID'不是聚合函数。 在窗口函数中将'（avg（CAST（table.'Rating'AS BIGINT））包装为'avg（Rating）'）'.........

Answer 1

AVG()是一个聚合函数，因此您也需要一个分组

val Avg_data=spark.sql("select ID, AVG(Rating) as average from table group by ID")

您应该将Avg_data作为

+---+-------+
|ID |average|
+---+-------+
|1  |3.5    |
|2  |4.0    |
+---+-------+

Answer 2

您需要将group by子句与avg一起使用。

1.DataFrame df

+---+----+------+
| ID|Name|Rating|
+---+----+------+
|  1|   A|     3|
|  2|   B|     4|
|  1|   A|     4|
+---+----+------+

2.将df注册为临时表并使用GROUP BY和AVG（）编写查询

df.registerTempTable("table")

val avg_data=spark.sql("select ID,avg(Rating) from table group by ID")

avg_data.show

+---+-----------+
| ID|avg(Rating)|
+---+-----------+
|  1|        3.5|
|  2|        4.0|
+---+-----------+