agg(count) 不起作用

Question

尝试使用聚合在 Apache Spark (PySpark) 中执行聚合我的数据帧。

+----+---+---+
|name|age| id|
+----+---+---+
|Mark|  4|  1|
|Mark|  4|  2|
|Mark|  5|  3|
|Mark|  5|  4|
|Mark|  5|  5|
|Mark|  6|  6|
|Mark|  8|  7|
+----+---+---+

我有以下代码，可以为我提供一行的不同记录计数：

old_table.groupby('name').agg(countDistinct('age'))

我尝试添加正常计数作为聚合的另一个输出，但它引发错误：

old_table.groupby('name').agg(countDistinct('age'), count('age))

错误：

NameError: name 'count' is not defined

有什么方法可以将计数添加到输出的非重复计数中，这样我将得到如下所示的输出表？

+----+-------------+-----+
|name|countDistinct|count|
+----+-------------+-----+
|Mark|            4|    7|
+----+-------------+-----+

Answer 1

您正在使用内置函数“count”，它需要一个可迭代对象，而不是列名。

您需要从

pyspark.sql.functions

显式导入同名的“count”函数

from pyspark.sql.functions import count as _count

old_table.groupby('name').agg(countDistinct('age'), _count('age'))