グループ分け

指定された列でDataFrameを分割し、集計処理を実行できるようにします。 利用可能な集計関数の一覧については、 GroupedDataを参照してください。

構文

groupBy(*cols: "ColumnOrNameOrOrdinal")

パラメーター

パラメーター	Type	説明
cols	リスト、文字列、整数、または列	グループ化の基準となる列。各要素は、列名（文字列）、式（Column）、列の順序番号（整数、1から始まる）、またはそれらのリストのいずれかになります。

戻り値

GroupedData: 指定された列によってグループ化されたデータを表す GroupedData オブジェクト。

注意

列の序数は 1 から始まりますが、これは 0 から始まる__getitem__とは異なります。

例

Python

df = spark.createDataFrame([
    ("Alice", 2), ("Bob", 2), ("Bob", 2), ("Bob", 5)], schema=["name", "age"])

df.groupBy().avg().show()
# +--------+
# |avg(age)|
# +--------+
# |    2.75|
# +--------+

df.groupBy("name").agg({"age": "sum"}).sort("name").show()
# +-----+--------+
# | name|sum(age)|
# +-----+--------+
# |Alice|       2|
# |  Bob|       9|
# +-----+--------+

df.groupBy(df.name).max().sort("name").show()
# +-----+--------+
# | name|max(age)|
# +-----+--------+
# |Alice|       2|
# |  Bob|       5|
# +-----+--------+

df.groupBy(["name", df.age]).count().sort("name", "age").show()
# +-----+---+-----+
# | name|age|count|
# +-----+---+-----+
# |Alice|  2|    1|
# |  Bob|  2|    2|
# |  Bob|  5|    1|
# +-----+---+-----+