使用 SparkR 进行按行计算
Rowwise calculation using SparkR
这是我的玩具数据框。
library(tibble); library(SparkR)
df <- tibble::tribble(
~var1, ~var2, ~maxofvar1var2,
1L, 1L, 1L,
2L, 1L, 2L,
2L, 3L, 3L,
NA, 2L, 2L,
1L, 4L, 4L,
8L, 5L, 8L)
df <- df %>% as.DataFrame()
如何使用 SparkR 进行逐行计算,以获得上面 df 中第三个变量所示的 var1 和 var2 的最大值?如果SparkR中没有rowwise函数,我怎样才能得到想要的输出?
from a set of columns use SparkR::greatest
:
df %>% withColumn("maxOfVars", greatest(df$var1, df$var2))
一般情况下,高阶函数,如 aggregate
(Spark 2.4 或更高版本),在组装数据上。
df %>% withColumn("theLastVar", expr("aggregate(array(var1, var2), (x, y) -> y)"))
或(与版本无关)表达式的组成:
scols <- c("var1", "var2") %>% purrr::map(column)
sumOfVars <- scols %>%
purrr::map(function(x) coalesce(x, lit(0))) %>%
purrr::reduce(function(x, y) x + y, .init=lit(0))
countOfVars <- scols %>%
purrr::map(function(x) ifelse(isNotNull(x), lit(1), lit(0))) %>%
purrr::reduce(
function(x, y) x + y, .init=lit(0))
df %>% withColumn("meanOfVars", sumOfVars / countOfVars)
这是我的玩具数据框。
library(tibble); library(SparkR)
df <- tibble::tribble(
~var1, ~var2, ~maxofvar1var2,
1L, 1L, 1L,
2L, 1L, 2L,
2L, 3L, 3L,
NA, 2L, 2L,
1L, 4L, 4L,
8L, 5L, 8L)
df <- df %>% as.DataFrame()
如何使用 SparkR 进行逐行计算,以获得上面 df 中第三个变量所示的 var1 和 var2 的最大值?如果SparkR中没有rowwise函数,我怎样才能得到想要的输出?
SparkR::greatest
:
df %>% withColumn("maxOfVars", greatest(df$var1, df$var2))
一般情况下,高阶函数,如 aggregate
(Spark 2.4 或更高版本),在组装数据上。
df %>% withColumn("theLastVar", expr("aggregate(array(var1, var2), (x, y) -> y)"))
或(与版本无关)表达式的组成:
scols <- c("var1", "var2") %>% purrr::map(column)
sumOfVars <- scols %>%
purrr::map(function(x) coalesce(x, lit(0))) %>%
purrr::reduce(function(x, y) x + y, .init=lit(0))
countOfVars <- scols %>%
purrr::map(function(x) ifelse(isNotNull(x), lit(1), lit(0))) %>%
purrr::reduce(
function(x, y) x + y, .init=lit(0))
df %>% withColumn("meanOfVars", sumOfVars / countOfVars)