Spark SQL Row_number() PartitionBy Sort Desc

Question

我已经在 Spark 中使用 Window 成功创建了 row_number() partitionBy，但我想按降序而不是默认的升序对其进行排序。这是我的工作代码：

from pyspark import HiveContext
from pyspark.sql.types import *
from pyspark.sql import Row, functions as F
from pyspark.sql.window import Window

data_cooccur.select("driver", "also_item", "unit_count", 
    F.rowNumber().over(Window.partitionBy("driver").orderBy("unit_count")).alias("rowNum")).show()

这给了我这个结果：

 +------+---------+----------+------+
 |driver|also_item|unit_count|rowNum|
 +------+---------+----------+------+
 |   s10|      s11|         1|     1|
 |   s10|      s13|         1|     2|
 |   s10|      s17|         1|     3|

在这里我添加 desc() 以降序排列：

data_cooccur.select("driver", "also_item", "unit_count", F.rowNumber().over(Window.partitionBy("driver").orderBy("unit_count").desc()).alias("rowNum")).show()

并得到这个错误：

AttributeError: 'WindowSpec' object has no attribute 'desc'

我做错了什么？

Answer 1

desc 应该应用于非 window 定义的列。您可以在列上使用以下任一方法：

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

F.row_number().over(
    Window.partitionBy("driver").orderBy(col("unit_count").desc())
)

或独立函数：

from pyspark.sql.functions import desc
from pyspark.sql.window import Window

F.row_number().over(
    Window.partitionBy("driver").orderBy(desc("unit_count"))
)

Answer 2

或者您可以使用 Spark-SQL 中的 SQL 代码：

from pyspark.sql import SparkSession

spark = SparkSession\
    .builder\
    .master('local[*]')\
    .appName('Test')\
    .getOrCreate()

spark.sql("""
    select driver
        ,also_item
        ,unit_count
        ,ROW_NUMBER() OVER (PARTITION BY driver ORDER BY unit_count DESC) AS rowNum
    from data_cooccur
""").show()

Answer 3

更新实际上，我尝试对此进行更多研究，但它似乎不起作用。（实际上它会引发错误）。它不起作用的原因是我在 Databricks 中对 display() 的调用下有这段代码（display() 调用之后的代码永远不会是运行）。似乎数据帧上的 orderBy() 和 window 上的 orderBy() 实际上并不相同。我会保留这个答案只是为了否定确认

~~从 PySpark 2.4 开始（可能更早），只需将关键字 ascending=False 添加到 orderBy 调用中即可。~~

例如。

personal_recos.withColumn("row_number", F.row_number().over(Window.partitionBy("COLLECTOR_NUMBER").orderBy("count", ascending=False)))

和

personal_recos.withColumn("row_number", F.row_number().over(Window.partitionBy("COLLECTOR_NUMBER").orderBy(F.col("count").desc())))

~~似乎给我同样的行为。~~

Spark SQL Row_number() PartitionBy Sort Desc

Spark SQL Row_number() PartitionBy Sort Desc

python

window-functions

apache-spark

apache-spark-sql

pyspark