agg (GroupedData)

Calcula agregações e retorna o resultado como um DataFrame.

As funções de agregação disponíveis podem ser:

1. Funções de agregação internas, comoavg, , max, min, , sum. count
2. Agrupar UDFs de pandas agregados, criados com pyspark.sql.functions.pandas_udf.

Sintaxe

agg(*exprs)

Parâmetros

Devoluções

DataFrame

Observações

Funções de agregação internas e UDFs de agregação de grupo pandas não podem ser misturadas em uma única chamada para essa função.

Quando exprs é um único ditado, a chave é a coluna na qual executar a agregação e o valor é a função de agregação. Quando exprs há uma lista de Column expressões, cada expressão especifica uma agregação para computação.

Exemplos

import pandas as pd
from pyspark.sql import functions as sf

df = spark.createDataFrame(
    [(2, "Alice"), (3, "Alice"), (5, "Bob"), (10, "Bob")], ["age", "name"])

# Group-by name, and count each group.
df.groupBy(df.name).agg({"*": "count"}).sort("name").show()
# +-----+--------+
# | name|count(1)|
# +-----+--------+
# |Alice|       2|
# |  Bob|       2|
# +-----+--------+

# Group-by name, and calculate the minimum age.
df.groupBy(df.name).agg(sf.min(df.age)).sort("name").show()
# +-----+--------+
# | name|min(age)|
# +-----+--------+
# |Alice|       2|
# |  Bob|       5|
# +-----+--------+

# Same as above but uses a pandas UDF.
from pyspark.sql.functions import pandas_udf

@pandas_udf('int')
def min_udf(v: pd.Series) -> int:
    return v.min()

df.groupBy(df.name).agg(min_udf(df.age)).sort("name").show()
# +-----+------------+
# | name|min_udf(age)|
# +-----+------------+
# |Alice|           2|
# |  Bob|           5|
# +-----+------------+