如何使用 Apache Spark 计算准确的中位数? [英] How can I calculate exact median with Apache Spark?
本文介绍了如何使用 Apache Spark 计算准确的中位数?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
这个页面 包含一些统计函数(均值、标准差、方差等)但不包含中值.如何计算准确的中位数?
This page contains some statistics functions (mean, stdev, variance, etc.) but it does not contain the median. How can I calculate exact median?
推荐答案
你需要对 RDD 进行排序并取两个元素的中间或平均值.这是 RDD[Int] 的示例:
You need to sort RDD and take element in the middle or average of two elements. Here is example with RDD[Int]:
import org.apache.spark.SparkContext._
val rdd: RDD[Int] = ???
val sorted = rdd.sortBy(identity).zipWithIndex().map {
case (v, idx) => (idx, v)
}
val count = sorted.count()
val median: Double = if (count % 2 == 0) {
val l = count / 2 - 1
val r = l + 1
(sorted.lookup(l).head + sorted.lookup(r).head).toDouble / 2
} else sorted.lookup(count / 2).head.toDouble
这篇关于如何使用 Apache Spark 计算准确的中位数?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!
查看全文