regr_avgy

Função agregada: retorna a média da variável dependente para pares não nulos em um grupo, onde y é a variável dependente e x é a variável independente.

Para a função Databricks SQL correspondente, consulte regr_avgy função agregada.

Sintaxe

Python

import pyspark.sql.functions as sf

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

Parâmetros

Parâmetro	Tipo	Descrição
y	pyspark.sql.Column ou str	A variável dependente.
x	pyspark.sql.Column ou str	A variável independente.

Devoluções

pyspark.sql.Column: a média da variável dependente para pares não nulos em um grupo.

Exemplos

Exemplo 1 : Todos os pares são não nulos.

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|
+---------------+------+

Exemplo 2 : Todos os valores de x dos pares são nulos.

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|
+---------------+------+

Exemplo 3 : Todos os valores y dos pares são nulos.

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|
+---------------+------+

Exemplo 4 : Os valores de x de alguns pares são nulos.

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|
+------------------+------+

Exemplo 5 : Os valores de x ou y de alguns pares são nulos.

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...|
+---------------+------------------+