我需要编写一个pySpark自定义UDAF,我遇到了这个例子 Applying UDFs on GroupedData in PySpark (with functioning python example)。在类似的行中,如线程的最后一部分所示,我提出了下面的函数
from pyspark.sql.types import *
schema = StructType([
StructField("key", StringType()),
StructField("avg_value1", DoubleType()),
StructField("avg_value2", DoubleType()),
StructField("sum_avg", DoubleType()),
StructField("sub_avg", DoubleType()),
StructField("bf_signature", Binary())
])
@pandas_udf(schema, functionType=PandasUDFType.GROUPED_MAP)
def g(df):
gr = df['key'].iloc[0]
x = df.value1.mean()
y = df.value2.mean()
w = df.value1.mean() + df.value2.mean()
z = df.value1.mean() - df.value2.mean()
bloomfilter = BloomFilter(8, 1)
bloomfilter.set(df.value1)
p=bloomfilter
return pd.DataFrame([[gr]+[x]+[y]+[w]+[z]+[p]])
df3.groupby("key").apply(g).show()
如代码所示,我想创建一个定制的BloomFilter,它将为整个列构建BloomFilter,类似于mean()函数处理聚合整个列并为每个组生成一个聚合结果。在
如何用python编写这个自定义UDAF?在
目前没有回答
相关问题 更多 >
编程相关推荐