计算spark dataframe中所有列（300列）的每个不同值的出现次数
--------------------------------------------------------
col1 | col2 | col3 ............col299 | col 300
-------------------------------------------------------
value11 | value21 | value31 | value300 | value 301
value12 | value22 | value32 | value300 | value 301
value11 | value22 | value33 | value301 | value 302
value12 | value21 | value33 | value301 | value 302
import org.apache.spark.sql.functions.count
df.groupBy("col1").agg(count("col1")).show
而是如何高效地计算300列。请救命！
共有1个答案
你可以像下面提到的那样很容易地做到
首先收集所有列名和转换作为键值。如下所示
val exprs=df.columns.map((_->“approx_count_distinct”））.tomap
-
有没有办法用熊猫来计算某个值在每一列中出现的次数？ 数据= pd。DataFrame({'userID':['Luis '，' Mike '，' Harvey']，' category1':[True，False，True]，' category2': [True，True，False]，' category3':[False，False，False]}) 假设我想计算每个类别中“真”布尔值的数量
-
问题内容： 我可以在不枚举的情况下计算每列的不同值吗？ 说我有一个表，，，并没有其他的列。在没有明确提及这些列的情况下，我希望得到与以下结果相同的结果： 我怎样才能做到这一点 ？ 问题答案： 我认为使用普通SQL可以轻松完成的最好工作就是运行这样的查询，以生成所需的查询，然后运行该查询。
-
问题内容： 我有一个看起来像这样。 对于此数据帧中的每一行，我想计算C1，C2，C3中每一个的出现次数，并将此信息作为列附加到此数据帧中。例如，第一行具有1 C1、0 C2和0 C3。最终数据帧应如下所示 因此，我创建了一个以C1，C2和C3作为值的系列- 一种最重要的方法是在DataFrame的行和列上循环，然后在该Series上循环，并在计数器匹配时递增计数器。但是，有没有一种方法可以以紧凑的
-
本文向大家介绍C++计算每个字符出现的次数，包括了C++计算每个字符出现的次数的使用技巧和注意事项，需要的朋友参考一下 本文实例为大家分享了C++计算每个字符出现的次数的实现代码，供大家参考，具体内容如下 以上就是本文的全部内容，希望对大家的学习有所帮助。
-
问题内容： 我有一个名为“ posts”的SQL表，如下所示： 每个类别编号对应一个类别。我将如何计算每个类别在 一个sql查询中 全部出现在帖子中的次数？ 例如，这样的查询可能返回如下符号数组： 我当前的方法是对每个可能的类别使用查询，例如：，然后将返回值组合到最终数组中。但是，我正在寻找一种仅使用一个查询的解决方案。 问题答案：
-
我一直在尝试使用Python3.7中的或来执行类似下面的df的操作，但没有成功。到目前为止，这是我想要得到的一个例子： 然后，我需要为每个对应行获取中的最大值，如果有平局，则只在新列中显示平局的键。大概是这样的：