我有一个如下所示的数据集:
我按年龄分组,平均每个年龄的 friend 数量
from pyspark.sql import SparkSession
from pyspark.sql import Row
import pyspark.sql.functions as F
def parseInput(line):
fields = line.split(',')
return Row(age = int(fields[2]), numFriends = int(fields[3]))
spark = SparkSession.builder.appName("FriendsByAge").getOrCreate()
lines = spark.sparkContext.textFile("data/fakefriends.csv")
friends = lines.map(parseInput)
friendDataset = spark.createDataFrame(friends)
counts = friendDataset.groupBy("age").count()
total = friendDataset.groupBy("age").sum('numFriends')
res = total.join(counts, "age").withColumn("Friend By Age", (F.col("sum(numFriends)") // F.col("count"))).drop('sum(numFriends)','count')
我得到以下错误:TypeError: unsupported operand type(s) for //: 'Column' and 'Column'
通常,我使用 //在 Python 3.0+ 中并返回一个整数值,正如我在这里预期的那样,但是,在 PySpark 数据报中,//不起作用,只有/起作用。有什么理由不工作吗?我们必须使用round函数来获取整数值吗?
最佳答案
不确定原因。但您可以将类型转换为 int 或使用 Floor 函数
from pyspark.sql import functions as F
tst= sqlContext.createDataFrame([(1,7,9),(1,8,4),(1,5,10),(5,1,90),(7,6,18),(0,3,11)],schema=['col1','col2','col3'])
tst1 = tst.withColumn("div", (F.col('col1')/F.col('col2')).cast('int'))
tst2 = tst.withColumn("div", F.floor(F.col('col1')/F.col('col2')))
关于PySpark DataFrame Floor Division 不支持的操作数类型,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62844721/