regr_avgy

Fonction d'agrégation : retourne la moyenne de la variable dépendante pour les paires non nulles dans un groupe, où y est la variable dépendante et x est la variable indépendante.

Pour la fonction Databricks SQL correspondante, consultez la fonction d'agrégationregr_avgy.

Syntaxe

Python

import pyspark.sql.functions as sf

sf.regr_avgy(y=<y>, x=<x>)

parameter

parameter	Type	Description
y	pyspark.sql.Column OU str	La variable dépendante.
x	pyspark.sql.Column OU str	La variable indépendante.

parameter	Type	Description
y	pyspark.sql.Column OU str	La variable dépendante.
x	pyspark.sql.Column OU str	La variable indépendante.

Renvoie

pyspark.sql.Column: la moyenne de la variable dépendante pour les paires non nulles dans un groupe.

Exemples

Exemple 1 : Toutes les paires sont non nulles.

Python

import pyspark.sql.functions as sf
df = spark.sql("SELECT * FROM VALUES (1, 2), (2, 2), (2, 3), (2, 4) AS tab(y, x)")
df.select(sf.regr_avgy("y", "x"), sf.avg("y")).show()

Output

+---------------+------+
|regr_avgy(y, x)|avg(y)|
+---------------+------+
|           1.75|  1.75|
+---------------+------+

Exemple 2 : Toutes les valeurs x des paires sont nulles.

Python

import pyspark.sql.functions as sf
df = spark.sql("SELECT * FROM VALUES (1, null) AS tab(y, x)")
df.select(sf.regr_avgy("y", "x"), sf.avg("y")).show()

Output

+---------------+------+
|regr_avgy(y, x)|avg(y)|
+---------------+------+
|           NULL|   1.0|
+---------------+------+

Exemple 3 : Les valeurs y de toutes les paires sont nulles.

Python

import pyspark.sql.functions as sf
df = spark.sql("SELECT * FROM VALUES (null, 1) AS tab(y, x)")
df.select(sf.regr_avgy("y", "x"), sf.avg("y")).show()

Output

+---------------+------+
|regr_avgy(y, x)|avg(y)|
+---------------+------+
|           NULL|  NULL|
+---------------+------+

Exemple 4 : Les valeurs x de certaines paires sont nulles.

Python

import pyspark.sql.functions as sf
df = spark.sql("SELECT * FROM VALUES (1, 2), (2, null), (2, 3), (2, 4) AS tab(y, x)")
df.select(sf.regr_avgy("y", "x"), sf.avg("y")).show()

Output

+------------------+------+
|   regr_avgy(y, x)|avg(y)|
+------------------+------+
|1.6666666666666...|  1.75|
+------------------+------+

Exemple 5 : Certaines valeurs x ou y des paires sont nulles.

Python

import pyspark.sql.functions as sf
df = spark.sql("SELECT * FROM VALUES (1, 2), (2, null), (null, 3), (2, 4) AS tab(y, x)")
df.select(sf.regr_avgy("y", "x"), sf.avg("y")).show()

Output

+---------------+------------------+
|regr_avgy(y, x)|            avg(y)|
+---------------+------------------+
|            1.5|1.6666666666666...|
+---------------+------------------+