[英]How do I select rows from a DataFrame based on multi conditions
[英]How do I count based on different rows conditions in PySpark?
我有以下数据框:
ID | 支付 | 价值 | 日期 |
---|---|---|---|
1 | 现金 | 200 | 2020-01-01 |
1 | 信用卡 | 500 | 2020-01-06 |
2 | 现金 | 300 | 2020-02-01 |
3 | 信用卡 | 400 | 2020-02-02 |
3 | 信用卡 | 500 | 2020-01-03 |
3 | 现金 | 200 | 2020-01-04 |
我想做的是计算有多少身份证同时使用了现金和信用卡。
例如,在这种情况下,将有 2 个同时使用现金和信用卡的 ID。
我将如何在 PySpark 上做到这一点?
您可以使用collect_set
来计算每个用户有多少种付款方式。
from pyspark.sql import functions as F
(df
.groupBy('ID')
.agg(F.collect_set('Payment').alias('methods'))
.withColumn('methods_size', F.size('methods'))
.show()
)
# +---+-------------------+------------+
# | ID| methods|methods_size|
# +---+-------------------+------------+
# | 1|[Credit Card, Cash]| 2|
# | 3|[Credit Card, Cash]| 2|
# | 2| [Cash]| 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.