python, pyspark : 获取 pyspark 数据框列值的总和

Posted 2023-04-15

【中文标题】python, pyspark : 获取 pyspark 数据框列值的总和

【英文标题】：python, pyspark : get sum of a pyspark dataframe column values

【发布时间】：2016-09-15 07:08:21

【问题描述】：

说我有这样的数据框

name age city
abc   20  A
def   30  B

我想在数据框的末尾添加一个摘要行，所以结果会像

name age city
abc   20  A
def   30  B
All   50  All

所以 String 'All'，我可以很容易地放，但是如何获取 sum(df['age']) ###column 对象不可迭代

data = spark.createDataFrame([("abc", 20, "A"), ("def", 30, "B")],["name", "age", "city"])
data.printSchema()
#root
 #|-- name: string (nullable = true)
 #|-- age: long (nullable = true)
 #|-- city: string (nullable = true)
res = data.union(spark.createDataFrame([('All',sum(data['age']),'All')], data.columns))  ## TypeError: Column is not iterable
#Even tried with data['age'].sum() and got error.   If i am using [('All',50,'All')], it is doing fine. 

我通常从事 Pandas 数据框和 Spark 新手的工作。可能是我对 spark dataframe 的理解还不够成熟。

请建议，如何获取 pyspark 中数据框列的总和。如果有任何更好的方法可以将行添加/附加到数据框的末尾。 谢谢。

【问题讨论】：

目前我正在通过 "sum_value = int(data.agg('age':'sum').toPandas()['sum(age)'].sum( ))”，即在列上应用 agg sum-> 转换为 pandas df-> 在列/系列上应用 sum 函数。但我不想在这里涉及 Pandas。

这就是我会选择的方式：df.limit(20).agg(F.sum('count')).show()

【参考方案1】：

Spark SQL 有一个用于列函数的专用模块pyspark.sql.functions。 所以它的工作方式是：

from pyspark.sql import functions as F
data = spark.createDataFrame([("abc", 20, "A"), ("def", 30, "B")],["name", "age", "city"])

res = data.unionAll(
    data.select([
        F.lit('All').alias('name'), # create a cloumn named 'name' and filled with 'All'
        F.sum(data.age).alias('age'), # get the sum of 'age'
        F.lit('All').alias('city') # create a column named 'city' and filled with 'All'
    ]))
res.show()

打印：

+----+---+----+
|name|age|city|
+----+---+----+
| abc| 20|   A|
| def| 30|   B|
| All| 50| All|
+----+---+----+

【参考方案2】：

数据框是不可变的，您需要创建一个新的。要得到你的年龄总和，你可以使用这个函数：data.rdd.map(lambda x: float(x["age"])).reduce(lambda x, y: x+y)

你添加一行的方式很好，但你为什么要这样做呢？您的数据框将难以操作，除非您删除最后一行，否则您将无法使用聚合函数。

【讨论】：

@GwydionFR-实际上上面的数据框是报告的最终数据框，我打算在最后一行添加摘要。所以我以后不应该对那个结果 df 做任何事情。感谢您的回答。

注意到您的建议..谢谢。