如何计算Apache Spark DataFrame中所有列的不同值的数量[重复]

【问题标题】：How to calculate the number of distinct values for all columns in Apache Spark DataFrame [duplicate]如何计算Apache Spark DataFrame中所有列的不同值的数量[重复]
【发布时间】：2017-09-12 17:43:17
【问题描述】：

我想计算 DataFrame 中所有列的不同值的数量。

说，我有一个这样的 DataFrame：

x y z
-----
0 0 0
0 1 1
0 1 2

我想要另一个格式的 DataFrame（或任何其他结构）：

col | num
---------
'x' |  1
'y' |  2
'z' |  3

最有效的方法是什么？

【问题讨论】：

标签： apache-spark apache-spark-sql spark-dataframe

【解决方案1】：

您可以使用countDistinct 来计算不同的值；要将其应用于所有列，请在列上使用 map 来构造表达式列表，然后将其应用于具有 varargs 语法的 agg 函数：

val exprs = df.columns.map(x => countDistinct(x).as(x))
df.agg(exprs.head, exprs.tail: _*).show
+---+---+---+
|  x|  y|  z|
+---+---+---+
|  1|  2|  3|
+---+---+---+

【讨论】：