我有一个数据框,如下所示
In [94]: prova_df.show()
order_item_order_id order_item_subtotal
1 299.98
2 199.99
2 250.0
2 129.99
4 49.98
4 299.95
4 150.0
4 199.92
5 299.98
5 299.95
5 99.96
5 299.98
我希望做的是,对于第一列的每个不同值,计算相应第二列的值的总和。我尝试使用以下代码实现:
from pyspark.sql import functions as func
prova_df.groupBy("order_item_order_id").agg(func.sum("order_item_subtotal")).show()
产生输出
SUM('order_item_subtotal)
129.99000549316406
579.9500122070312
199.9499969482422
634.819995880127
434.91000747680664
我不确定它是否做了正确的事情。 为什么它没有显示第一列的信息? 提前感谢您的答复。