如何从 DataFrame 中获取最后一行?
Posted
技术标签:
【中文标题】如何从 DataFrame 中获取最后一行?【英文标题】:How to get the last row from DataFrame? 【发布时间】:2017-07-31 02:42:50 【问题描述】:我有一个DataFrame,DataFrame有两列'value'和'timestamp','timestmp'是有序的,我想得到DataFrame的最后一行,怎么办?
这是我的输入:
+-----+---------+
|value|timestamp|
+-----+---------+
| 1| 1|
| 4| 2|
| 3| 3|
| 2| 4|
| 5| 5|
| 7| 6|
| 3| 7|
| 5| 8|
| 4| 9|
| 18| 10|
+-----+---------+
这是我的代码:
val arr = Array((1,1),(4,2),(3,3),(2,4),(5,5),(7,6),(3,7),(5,8),(4,9),(18,10))
var df=m_sparkCtx.parallelize(arr).toDF("value","timestamp")
这是我的预期结果:
+-----+---------+
|value|timestamp|
+-----+---------+
| 18| 10|
+-----+---------+
【问题讨论】:
df.where($"timestamp" === max($"timestamp")
工作吗?
它不起作用 Exchange rangepartitioning(ts#7 ASC NULLS FIRST, 200)
【参考方案1】:
试试这个,它对我有用。
df.orderBy($"value".desc).show(1)
【讨论】:
【参考方案2】:我会使用简单的查询 - 按降序排列您的餐桌 - 从这个订单中取第一个值
df.createOrReplaceTempView("table_df")
query_latest_rec = """SELECT * FROM table_df ORDER BY value DESC limit 1"""
latest_rec = self.sqlContext.sql(query_latest_rec)
latest_rec.show()
【讨论】:
我正在使用这个解决方案,这是显而易见的。【参考方案3】:我只想reduce
:
df.reduce (x, y) =>
if (x.getAs[Int]("timestamp") > y.getAs[Int]("timestamp")) x else y
【讨论】:
【参考方案4】:最有效的方法是reduce
你的DataFrame。这为您提供了一个单行,您可以将其转换回 DataFrame,但由于它仅包含 1 条记录,这没有多大意义。
sparkContext.parallelize(
Seq(
df.reduce
(a, b) => if (a.getAs[Int]("timestamp") > b.getAs[Int]("timestamp")) a else b
match case Row(value:Int,timestamp:Int) => (value,timestamp)
)
)
.toDF("value","timestamp")
.show
+-----+---------+
|value|timestamp|
+-----+---------+
| 18| 10|
+-----+---------+
这个解决方案虽然更短,但效率较低(因为它需要改组):
df
.where($"timestamp" === df.groupBy().agg(max($"timestamp")).map(_.getInt(0)).collect.head)
【讨论】:
【参考方案5】:如果您的时间戳列是唯一的并且是按递增顺序排列的,那么有以下方法可以获取最后一行
println(df.sort($"timestamp", $"timestamp".desc).first())
// Output [1,1]
df.sort($"timestamp", $"timestamp".desc).take(1).foreach(println)
// Output [1,1]
df.where($"timestamp" === df.count()).show
输出:
+-----+---------+
|value|timestamp|
+-----+---------+
| 18| 10|
+-----+---------+
如果不使用索引创建新列并选择最后一个索引,如下所示
val df1 = spark.sqlContext.createDataFrame(
df.rdd.zipWithIndex.map
case (row, index) => Row.fromSeq(row.toSeq :+ index)
,
StructType(df.schema.fields :+ StructField("index", LongType, false)))
df1.where($"timestamp" === df.count()).drop("index").show
输出:
+-----+---------+
|value|timestamp|
+-----+---------+
| 18| 10|
+-----+---------+
【讨论】:
排序功能低效,我不想使用排序功能 你可以使用 df.where($"timestamp" === df.count())【参考方案6】:Java:
Dataset<Row> sortDF = inputDF.orderBy(org.apache.spark.sql.functions.col(config.getIncrementingColumn()).desc());
Row row = sortDF.first()
【讨论】:
【参考方案7】:你也可以使用这个功能desc:Column desc(String columnName)
df.orderBy(desc("value")).show(1)
与
给出相同的结果df.orderBy($"value".desc).show(1)
【讨论】:
以上是关于如何从 DataFrame 中获取最后一行?的主要内容,如果未能解决你的问题,请参考以下文章