数据框：如何在 Scala 中分组/计数然后按计数排序答案

【问题标题】：Dataframe: how to groupBy/count then order by count in Scala数据框：如何在 Scala 中分组/计数然后按计数排序
【发布时间】：2018-08-07 11:14:14
【问题描述】：

我有一个包含数千行的数据框，我正在寻找的是分组并计算一列，然后按输出排序：我所做的事情看起来像：

import org.apache.spark.sql.hive.HiveContext
import sqlContext.implicits._


val objHive = new HiveContext(sc)
val df = objHive.sql("select * from db.tb")
val df_count=df.groupBy("id").count().collect()
df_count.sort($"count".asc).show()

【问题讨论】：

标签： scala apache-spark

【解决方案1】：

您可以使用sort 或orderBy，如下所示

val df_count = df.groupBy("id").count()

df_count.sort(desc("count")).show(false)

df_count.orderBy($"count".desc).show(false)

不要使用collect()，因为它会将数据作为Array 提供给驱动程序。

希望这会有所帮助！

【讨论】：

我改用了这个：df.groupBy("id").count().orderBy($"count".desc).show() 仅一行

【解决方案2】：

//import the SparkSession which is the entry point for spark underlying API to access
 import org.apache.spark.sql.SparkSession
 import org.apache.spark.sql.functions._

 val pathOfFile="f:/alarms_files/"
//create session and hold it in spark variable
val spark=SparkSession.builder().appName("myApp").getOrCreate()
//read the file below API will return DataFrame of Row
var df=spark.read.format("csv").option("header","true").option("delimiter", "\t").load("file://"+pathOfFile+"db.tab")
//groupBY id column and take count of the column and order it by count of the column
    df=df.groupBy(df("id")).agg(count("*").as("columnCount")).orderBy("columnCount")
//for projecting the dataFrame it will show only top 20 records
    df.show
//for projecting more than 20 records  eg:
    df.show(50)

【讨论】：