Spark DF 枢轴错误：方法枢轴（[类 java.lang.String，类 java.lang.String]）不存在

Question

我是使用 Spark 数据帧的新手。 我正在尝试对 Spark（Spark 版本 2.x）使用pivot方法并遇到以下错误：

Py4JError：调用 o387.pivot 时出错。 跟踪：py4j.Py4JException: Method pivot([class java.lang.String, class java.lang.String]) 不存在

尽管我在这里first使用agg函数，但我真的不需要应用任何聚合。

我的数据框如下所示：

+-----+-----+----------+-----+
| name|value|      date| time|
+-----+-----+----------+-----+
|name1|100.0|2017-12-01|00:00|
|name1|255.5|2017-12-01|00:15|
|name1|333.3|2017-12-01|00:30|

预期的：

+-----+----------+-----+-----+-----+
| name|      date|00:00|00:15|00:30|
+-----+----------+-----+-----+-----+
|name1|2017-12-01|100.0|255.5|333.3|

我正在尝试的方式：

df = df.groupBy(["name","date"]).pivot(pivot_col="time",values="value").agg(first("value")).show

我在这里有什么错误？

Answer 1

问题在于pivot函数中的values="value"参数。 这应该用于要透视的实际值列表，而不是列名。 从文档：

values – 将被转换为输出 DataFrame 列的值列表。

和一个例子：

 df4.groupBy("year").pivot("course", ["dotNET", "Java"]).sum("earnings").collect() [Row(year=2012, dotNET=15000, Java=20000), Row(year=2013, dotNET=48000, Java=30000)]

对于问题中的示例， values应设置为["00:00","00:15", "00:30"] 。 但是， values参数通常不是必需的（但会使数据透视更有效），因此您可以简单地更改为：

df = df.groupBy(["name","date"]).pivot("time").agg(first("value"))