scala - org - ¿Cómo ordenar por columna en orden descendente en Spark SQL?

pyspark

Question

Intenté df.orderBy("col1").show(10) pero se ordenó en orden ascendente. df.sort("col1").show(10) también se ordena en orden descendente. Miré en stackoverflow y las respuestas que encontré estaban todas desactualizadas o referidas a RDD . Me gustaría usar el marco de datos nativo en spark.

Answer 1

En el caso de Java:

Si usamos DataFrames , mientras aplicamos combinaciones (aquí combinación interna), podemos ordenar (en ASC) después de seleccionar elementos distintos en cada DF como:

Dataset<Row> d1 = e_data.distinct().join(s_data.distinct(), "e_id").orderBy("salary");

donde e_id es la columna en la que se aplica la unión mientras se ordena por salario en ASC.

Además, podemos usar Spark SQL como:

SQLContext sqlCtx = spark.sqlContext();
sqlCtx.sql("select * from global_temp.salary order by salary desc").show();

dónde

• chispa -> SparkSession
• salario -> Vista GlobalTemp.

Answer 2

Está en org.apache.spark.sql.DataFrame para el método de sort :

df.sort($"col1", $"col2".desc)

Tenga en cuenta $ y .desc dentro de la sort de la columna para ordenar los resultados.

Answer 3

También puede ordenar la columna importando las funciones de spark sql

import org.apache.spark.sql.functions._
df.orderBy(asc("col1"))

O

import org.apache.spark.sql.functions._
df.sort(desc("col1"))

importando sqlContext.implicits._

import sqlContext.implicits._
df.orderBy($"col1".desc)

O

import sqlContext.implicits._
df.sort($"col1".desc)

Answer 4

Solo PySpark

Encontré esta publicación cuando buscaba hacer lo mismo en PySpark. La forma más fácil es simplemente agregar el parámetro ascendente = Falso:

df.orderBy("col1", ascending=False).show(10)

Referencia: http://spark.apache.org/docs/2.1.0/api/python/pyspark.sql.html#pyspark.sql.DataFrame.orderBy

Answer 5

import org.apache.spark.sql.functions.desc
df.orderBy(desc("columnname1"),desc("columnname2"),asc("columnname3"))

Answer 6

df.sort($"ColumnName".desc).show()