PySpark DataFrame Floor 除法不支持的操作数类型

Question

我有如下数据集：

我按年龄分组，平均每个年龄段的朋友数量

from pyspark.sql import SparkSession
from pyspark.sql import Row
import pyspark.sql.functions as F

def parseInput(line):
    fields = line.split(',')
    return Row(age = int(fields[2]), numFriends = int(fields[3]))

spark = SparkSession.builder.appName("FriendsByAge").getOrCreate()
lines = spark.sparkContext.textFile("data/fakefriends.csv")
friends = lines.map(parseInput)
friendDataset = spark.createDataFrame(friends)
counts = friendDataset.groupBy("age").count()
total = friendDataset.groupBy("age").sum('numFriends')
res = total.join(counts, "age").withColumn("Friend By Age", (F.col("sum(numFriends)") // F.col("count"))).drop('sum(numFriends)','count')

我遇到以下错误：

TypeError: unsupported operand type(s) for //: 'Column' and 'Column'

通常，我在 Python 3.0+ 中使用 // 和 return 一个整数值，正如我在这里预期的那样，但是，在 PySpark 数据报中，/ / 不起作用，只有 / 起作用。它不起作用的任何原因？我们必须使用 round 函数来获取整数值？

Answer 1

pyspark over column 不支持

//(floor division)。尝试以下替代方案-

counts = friendDataset.groupBy("age").count()
total = friendDataset.groupBy("age").agg(sum('numFriends').alias('sum'))
res = total.join(counts, "age").withColumn("Friend By Age", F.floor(F.col("sum") / F.col("count"))).drop('sum(numFriends)','count')

Answer 2

不确定原因。但您可以键入 cast to int 或使用 Floor 函数

from pyspark.sql import functions as F
tst= sqlContext.createDataFrame([(1,7,9),(1,8,4),(1,5,10),(5,1,90),(7,6,18),(0,3,11)],schema=['col1','col2','col3'])
tst1 = tst.withColumn("div", (F.col('col1')/F.col('col2')).cast('int'))
tst2 = tst.withColumn("div", F.floor(F.col('col1')/F.col('col2')))

PySpark DataFrame Floor 除法不支持的操作数类型

PySpark DataFrame Floor division unsupported operand type(s)

pyspark

pyspark-dataframes