agg (GroupedData)

Calcula agregados e devolve o resultado como um DataFrame.

As funções agregadas disponíveis podem ser:

1. Funções de agregação incorporadas, como avg, max, min, sum, count.
2. Agrupar pandas UDFs, criados com pyspark.sql.functions.pandas_udf.

Sintaxe

agg(*exprs)

Parâmetros

Devoluções

DataFrame

Notes

Funções de agregação incorporadas e UDFs de pandas agregados de grupo não podem ser misturados numa única chamada a esta função.

Quando exprs é um único dictado, a chave é a coluna para realizar a agregação e o valor é a função agregada. Quando exprs é uma lista de Column expressões, cada expressão especifica uma agregação a calcular.

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|
# +-----+------------+