![](/img/trans.png)
[英]how to get first value and last value from dataframe column in pyspark?
[英]How to select last value in a pySpark DataFrame based on a datetime column
我有一個 DataFrame df 結構如下:
date_time id value
2020-12-06 17:00 A 10
2020-12-06 17:05 A 18
2020-12-06 17:00 B 20
2020-12-06 17:05 B 28
2020-12-06 17:00 C 30
2020-12-06 17:05 C 38
而且我必須 select 只有最近的一行 DataFrame 中名為 df_last 的每個 id。
這是一個有效的解決方案:
from pyspark.sql import functions as F
from pyspark.sql.window import *
df_rows = df.withColumn('row_num', F.row_number().over(Window.partitionBy('id').orderBy(F.desc('date_time')))-1)
df_last = df_rows.filter(F.col('row_num')==0)
我想知道是否有更簡單/更清潔的解決方案
這幾乎就是做到這一點的方法。 只是可以進行一些小的改進——不需要從行號中減去 1:
from pyspark.sql import functions as F
from pyspark.sql.window import Window
df_rows = df.withColumn(
'row_num',
F.row_number().over(Window.partitionBy('id').orderBy(F.desc('date_time')))
)
df_last = df_rows.filter('row_num = 1')
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.