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.
解决方法:
聚合函数应该是值,列名称是键:
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'])))