内容简介：翻译自：https://stackoverflow.com/questions/32550478/pyspark-take-average-of-a-column-after-using-filter-function
我使用以下代码来获得薪水大于某个阈值的人的平均年龄.
dataframe.filter(df['salary'] > 100000).agg({"avg": "age"})
列的年龄是数字(浮点数),但我仍然收到此错误.
py4j.protocol.Py4JJavaError: An error occurred while calling o86.agg. : scala.MatchError: age (of class java.lang.String)
您是否知道在不使用groupBy函数和 SQL 查询的情况下获得avg等的任何其他方法.
聚合函数应该是值,列名是键：
dataframe.filter(df['salary'] > 100000).agg({"age": "avg"})
或者你可以使用pyspark.sql.functions：
from pyspark.sql.functions import col, avg
dataframe.filter(df['salary'] > 100000).agg(avg(col("age")))
也可以使用CASE .. WHEN
from pyspark.sql.functions import when dataframe.select(avg(when(df['salary'] > 100000, df['age'])))
翻译自：https://stackoverflow.com/questions/32550478/pyspark-take-average-of-a-column-after-using-filter-function
以上所述就是小编给大家介绍的《python – pyspark：使用过滤函数后取平均值》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
