[英]pyspark Py4J error using canopy :PythonAccumulatorV2([class java.lang.String, class java.lang.Integer, class java.lang.String]) does not exist
[英]Spark DF pivot error: Method pivot([class java.lang.String, class java.lang.String]) does not exist
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?
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"))
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.