spark sql window 函数滞后

Question

我正在查看 Scala 中 Spark DataFrame 的 window 滑动函数。

我有一个包含 Col1、Col2、Col3、date、volume 和 new_col 列的 DataFrame .

Col1    Col2    Col3    date     volume new_col
                        201601  100.5   
                        201602  120.6   100.5
                        201603  450.2   120.6
                        201604  200.7   450.2
                        201605  121.4   200.7`

现在我想添加一个名称为(new_col)的新列，其中一行向下滑动，如上所示。

我尝试了以下选项来使用 window 函数。

val windSldBrdrxNrx_df = df.withColumn("Prev_brand_rx", lag("Prev_brand_rx",1))

你有什么建议吗？

Answer 1

您做对了，您在 lag

上错过了 over(window expression)

val df = sc.parallelize(Seq((201601, 100.5),
  (201602, 120.6),
  (201603, 450.2),
  (201604, 200.7),
  (201605, 121.4))).toDF("date", "volume")

val w = org.apache.spark.sql.expressions.Window.orderBy("date")  

import org.apache.spark.sql.functions.lag

val leadDf = df.withColumn("new_col", lag("volume", 1, 0).over(w))

leadDf.show()

+------+------+-------+
|  date|volume|new_col|
+------+------+-------+
|201601| 100.5|    0.0|
|201602| 120.6|  100.5|
|201603| 450.2|  120.6|
|201604| 200.7|  450.2|
|201605| 121.4|  200.7|
+------+------+-------+

此代码是运行在 Spark shell 2.0.2

上

Answer 2

您可以导入以下两个包，这将解决延迟依赖的问题。

import org.apache.spark.sql.functions.{lead, lag}
import org.apache.spark.sql.expressions.Window

spark sql window 函数滞后

spark sql window function lag

scala

window-functions

apache-spark