我需要一个窗口函数,它按一些键(=列名称)进行分区,按另一个列名称进行排序,并返回前x行的行。
这适用于升序:
def getTopX(df: DataFrame, top_x: String, top_key: String, top_value:String): DataFrame ={
val top_keys: List[String] = top_key.split(", ").map(_.trim).toList
val w = Window.partitionBy(top_keys(1),top_keys.drop(1):_*)
.orderBy(top_value)
val rankCondition = "rn < "+top_x.toString
val dfTop = df.withColumn("rn",row_number().over(w))
.where(rankCondition).drop("rn")
return dfTop
}
但是当我尝试在第4行将其更改为orderBy(desc(top_value))
或orderBy(top_value.desc)
时,我收到语法错误。这里的语法是什么?
orderBy
有两个版本,一个用于字符串,另一个用于Column
对象(API)。您的代码使用的是第一个版本,该版本不允许更改排序顺序。您需要切换到列版本,然后调用desc
方法,例如myCol.desc
。
现在,我们进入API设计领域。传递Column
参数的优点是你有更多的灵活性,例如,你可以使用表达式等。如果你想维护一个接受字符串而不是Column
的API,你需要将字符串转换为柱。有很多方法可以做到这一点,最简单的方法是使用org.apache.spark.sql.functions.col(myColName)
。
总而言之,我们得到了
.orderBy(org.apache.spark.sql.functions.col(top_value).desc)
例如,如果我们需要在Window函数中按降序排列名为Date
的列,请在列名前使用$
符号,这样我们就可以使用asc
或desc
语法。
Window.orderBy($"Date".desc)
在用双引号指定列名后,给出.desc
,它将按降序排序。