星火添加新列从previous行值到数据帧 [英] Spark add new column to dataframe with value from previous row

问题描述

我不知道我怎么能实现星火以下（Pyspark）

I'm wondering how I can achieve the following in Spark (Pyspark)

初​​始数据框：

+--+---+
|id|num|
+--+---+
|4 |9.0|
+--+---+
|3 |7.0|
+--+---+
|2 |3.0|
+--+---+
|1 |5.0|
+--+---+

所得的数据框：

+--+---+-------+
|id|num|new_Col|
+--+---+-------+
|4 |9.0|  7.0  |
+--+---+-------+
|3 |7.0|  3.0  |
+--+---+-------+
|2 |3.0|  5.0  |
+--+---+-------+

我设法通过使用像一般追加新列到一个数据帧：
df.withColumn（new_Col，df.num * 10）

不过，我有我如何能做到这一点新列行转移，使新列有一个字段从previous行的值（如例所示）不知道。我也没找到关于如何通过索引来访问在DF某一行的API文档的任何东西。

However I have no idea on how I can achieve this "shift of rows" for the new column, so that the new column has the value of a field from the previous row (as shown in the example). I also couldn't find anything in the API documentation on how to access a certain row in a DF by index.

任何帮助将是AP preciated。

Any help would be appreciated.

推荐答案

您可以使用滞后窗函数如下：

You can use lag window function as follows

from pyspark.sql.functions import lag, col
from pyspark.sql.window import Window

df = sc.parallelize([(4, 9.0), (3, 7.0), (2, 3.0), (1, 5.0)]).toDF(["id", "num"])
w = Window().partitionBy().orderBy(col("id"))
df.select("*", lag("num").over(w).alias("new_col")).na.drop().show()

## +---+---+-------+
## | id|num|new_col|
## +---+---+-------|
## |  2|3.0|    5.0|
## |  3|7.0|    3.0|
## |  4|9.0|    7.0|
## +---+---+-------+

但也有一些重要的问题：

but there some important issues:

1. 如果你需要一个全球性的操作（而不是由一些列/列分区）这是非常低效的。


2. 您需要一种自然的方式订购您的数据。

而第二个问题是几乎从来没有一个问题，第一个可能是一个致命弱点。如果是这种情况，你应该简单地转换你的数据帧来RDD和滞后手工计算。参见例如：

While the second issue is almost never a problem the first one can be a deal-breaker. If this is the case you should simply convert your DataFrame to RDD and compute lag manually. See for example:

• 如何在Pyspark滑动窗口在时间序列数据转换数据


• 阿帕奇星火移动平均（Scala写的，但可以调整PySpark，请务必先阅读评论）。

• How to transform data with sliding window over time series data in Pyspark
• Apache Spark Moving Average (written in Scala, but can be adjusted for PySpark. Be sure to read the comments first).

这篇关于星火添加新列从previous行值到数据帧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！