val survived_sex_count = df2.groupBy("Sex", "Survived").count() val survived_sex_percent = survived_sex_count.withColumn("percent", format_number(col("count") .divide(sum("count").over()) .multiply(100), 5)); survived_sex_percent.show() 中sum("count").over() 存在问题
时间: 2024-03-24 11:40:42 浏览: 23
对于`sum("count").over()`的问题,这是因为`over()`函数需要指定窗口范围,表示对哪些数据进行求和,而在这里未指定窗口范围,因此报错。
如果想要对每个不同的`Sex`进行比例计算,则需要在`over()`函数中指定分区窗口,以便对每个窗口内的数据进行求和。
可以尝试修改成以下代码:
```
import org.apache.spark.sql.expressions.Window
val windowSpec = Window.partitionBy("Sex")
val survived_sex_percent = survived_sex_count.withColumn("percent", format_number(col("count").divide(sum("count").over(windowSpec)).multiply(100), 5));
survived_sex_percent.show()
```
在这个修改后的代码中,`Window.partitionBy("Sex")`表示按照`Sex`字段进行分区,然后在`over()`函数中指定了窗口范围,表示对每个分区内的数据进行求和。这样就可以正确计算每个分区内存活者的性别分布所占比例,并输出结果。
相关问题
val survived_sex_count=df2.groupBy("Sex","Survived").count() val survived_sex_percent=survived_sex_count.withColumn("percent", format_number(col("count").divide(sum("count").over()).multiply(100),5)); survived_sex_percent.show()
这是一个使用Spark SQL进行数据处理和分析的代码片段。它首先对一个名为df2的DataFrame按照“Sex”和“Survived”两列进行分组计数,然后使用Spark SQL中的窗口函数sum()计算出count列的总和。最后,使用withColumn()方法添加一个名为“percent”的列,计算每个组的占比,并使用format_number()方法将结果格式化为小数点后5位。最终结果会展示出来。
val survived_sex_percent = survived_sex_count.withColumn("percent", format_number(col("count") / col("count") * 100, 5));
这段代码是用来计算幸存者中每个性别的比例的。但是这段代码有一个错误,它的计算方式是将每个性别的幸存人数除以总的幸存人数,因此计算出来的比例都是100%。应该将第二个col("count")改为总的幸存人数,比如:
```
val total_survived_count = df.filter(col("Survived") === 1).count()
val survived_sex_percent = survived_sex_count.withColumn("percent", format_number(col("count") / total_survived_count * 100, 5))
```
这样计算的比例才是正确的。