用SparkSQL和PySpark完成按时间字段顺序将字符串字段中的值组合在一起分组显示

用SparkSQL和PySpark完成以下数据转换。

源数据:

userid,page_name,visit_time

1,A,2021-2-1

2,B,2024-1-1

1,C,2020-5-4

2,D,2028-9-1

目的数据:

user_id,page_name_path

1,C->A

2,B->D

PySpark:

python 复制代码
from pyspark.sql import SparkSession
from pyspark.sql import functions as F
from pyspark.sql.window import Window

# 初始化SparkSession(如果在已有环境中可以直接使用已有的spark对象)
spark = SparkSession.builder.appName("DataTransformation").getOrCreate()

# 创建示例数据的DataFrame
data = [
    (1, "A", "2021-2-1"),
    (2, "B", "2024-1-1"),
    (1, "C", "2020-5-4"),
    (2, "D", "2028-9-1")
]
columns = ["userid", "page_name", "visit_time"]
df = spark.createDataFrame(data, columns)

# 将visit_time转换为日期类型,方便后续排序
df = df.withColumn("visit_time", F.to_date(F.col("visit_time")))

# 按照userid分区,根据visit_time排序创建窗口
window_spec = Window.partitionBy("userid").orderBy("visit_time")

# 使用collect_list函数收集每个userid对应的page_name列表,然后使用concat_ws函数将其拼接为指定格式
result_df = df.withColumn("page_name_list", F.collect_list("page_name").over(window_spec)) \
             .groupBy("userid") \
             .agg(F.concat_ws("->", F.col("page_name_list")).alias("page_name_path")) \
             .select("userid", "page_name_path")

# 重命名userid列为user_id(和目标数据列名一致)
result_df = result_df.withColumnRenamed("userid", "user_id")

# 展示结果
result_df.show()

SparkSQL:

sql 复制代码
SELECT userid AS user_id,
       CONCAT_WS('->', collect_list(page_name) OVER (PARTITION BY userid ORDER BY visit_time)) AS page_name_path
FROM page_visits
GROUP BY userid
相关推荐
SEO-狼术19 小时前
Stimulsoft Reports.JS 2025
开发语言·javascript·ecmascript
渣哥19 小时前
用错注入方式?你的代码可能早就埋下隐患
javascript·后端·面试
一枚前端小能手19 小时前
🔍 重写vue之ref和reactive
前端·javascript·vue.js
芒果茶叶20 小时前
深入浅出requestAnimationFrame
前端·javascript·html
歪歪10020 小时前
在哪些场景下适合使用 v-model 机制?
服务器·前端·javascript·servlet·前端框架·js
渣哥20 小时前
Spring 创建 Bean 的多种方式对比与最佳实践
前端·javascript·面试
SanOrintea20 小时前
electron中进程线程之间通信方式
服务器·javascript·electron
Copper peas20 小时前
axios使用过程
前端·javascript·vue.js
转转技术团队20 小时前
当 AI 走进前端开发:代理插件的全流程开发实践
前端·javascript·ai编程
晴殇i20 小时前
一行生成绝对唯一 ID:别再依赖 Date.now() 了!
前端·javascript·vue.js