freqItens (DataFrameStatFunctions)

Encontra itens frequentes para colunas, possivelmente com falsos positivos. Utiliza o algoritmo de contagem frequente de elementos descrito por Karp, Schenker e Papadimitriou. DataFrame.freqItems e DataFrameStatFunctions.freqItems são pseudónimos entre si.

Sintaxe

freqItems(cols, support=None)

Parâmetros

Parâmetro Tipo Descrição
cols lista ou tupla Nomes das colunas para calcular itens frequentes.
support Float, opcional A frequência com que considerar um item frequente. O padrão é 1% (0,01). Deve ser maior do que 1e-4.

Devoluções

DataFrame

Notes

Este método destina-se à análise exploratória de dados. Não há garantia de compatibilidade retroativa para o esquema do resultado DataFrame.

Exemplos

from pyspark.sql import functions as sf
df = spark.createDataFrame([(1, 11), (1, 11), (3, 10), (4, 8), (4, 8)], ["c1", "c2"])
result = df.stat.freqItems(["c1", "c2"])
result.select([sf.sort_array(c).alias(c) for c in result.columns]).show()
# +------------+------------+
# |c1_freqItems|c2_freqItems|
# +------------+------------+
# |   [1, 3, 4]| [8, 10, 11]|
# +------------+------------+
  • Last updated on