Pyspark中的条件计数
Pyspark中的条件计数
提问于 2021-02-17 20:47:48
我有以下代码：
output = (assignations
.join(activations,['customer_id','external_id'],'left')
.join(redeemers,['customer_id','external_id'],'left')
.groupby('external_id')
.agg(f.expr('COUNT(DISTINCT(CASE WHEN assignation = 1 THEN customer_id ELSE NULL END))').alias('assigned'),
f.expr('COUNT(DISTINCT(CASE WHEN activation = 1 THEN customer_id ELSE NULL END))').alias('activated'),
f.expr('COUNT(DISTINCT(CASE WHEN redeemer = 1 THEN customer_id ELSE NULL END))').alias('redeemed'))
)这段代码给出了以下输出：
external_id assigned activated redeemed
DISC0000089309 31968 901 491
DISC0000089428 31719 893 514
DISC0000089283 2617 60 39我的想法是将
分成一个更有Pythonic/Pyspark风格的代码。这就是我尝试以下代码的原因：
output = (assignations
.join(activations,['customer_id','external_id'],'left')
.join(redeemers,['customer_id','external_id'],'left')
.groupby('external_id')
.agg(f.count(f.when(f.col('assignation')==1,True).alias('assigned')),
f.count(f.when(f.col('activation')==1,True).alias('activated')),
f.count(f.when(f.col('redeemer')==1,True).alias('redeem'))
))问题是输出不一样，数字不匹配。如何转换代码以获得相同的输出？
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-02-17 20:50:41
您可以使用
要实现等价物，请执行以下操作
在Spark SQL中：
output = (assignations
.join(activations,['customer_id','external_id'],'left')
.join(redeemers,['customer_id','external_id'],'left')
.groupby('external_id')
.agg(
f.countDistinct(f.when(f.col('assignation') == 1, f.col('customer_id'))).alias('assigned'),
f.countDistinct(f.when(f.col('activation') == 1, f.col('customer_id'))).alias('activated'),
f.countDistinct(f.when(f.col('redeemer') == 1, f.col('customer_id'))).alias('redeemed')
)
)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/66242250
复制相关文章
相似问题