Grouping

GroupedData.agg (*exprs)	计算汇总并返回结果为一个 DataFrame 。
GroupedData.apply (用户定义函数)	它是 pyspark.sql.GroupedData.applyInPandas() 的别名；然而，它采用 pyspark.sql.functions.pandas_udf() ，而 pyspark.sql.GroupedData.applyInPandas() 则采用一个 Python 本地函数。
GroupedData.applyInPandas (函数, 模式)	使用 pandas udf 映射当前 DataFrame 的每个组，并将结果作为 DataFrame 返回。
GroupedData.applyInPandasWithState (func, …)	将给定的函数应用于每个数据组，同时保持用户定义的每组状态。
GroupedData.avg (*列)	计算每组每个数值列的平均值。
GroupedData.cogroup (其他)	将该组与另一个组合并，以便我们可以运行组合操作。
GroupedData.count ()	计算每个组的记录数量。
GroupedData.max (*列)	计算每个分组中每个数值列的最大值。
GroupedData.mean (*列)	计算每组每个数值列的平均值。
GroupedData.min (*列)	为每个组计算每个数值列的最小值。
GroupedData.pivot (透视列[, 值])	对当前 DataFrame 的一列进行透视并执行指定的聚合。
GroupedData.sum (*列)	计算每个组中每个数字列的总和。
PandasCogroupedOps.applyInPandas (func, schema)	对每个协同组应用一个函数，并将结果返回为一个 DataFrame 。

之前

pyspark.sql.WindowSpec.rowsBetween

下一个

pyspark.sql.GroupedData.agg