pySpark.sql 如何使用 WHERE 关键字？答案

【问题标题】：pySpark.sql how to use WHERE keyword?pySpark.sql 如何使用 WHERE 关键字？
【发布时间】：2019-02-07 19:04:17
【问题描述】：

您如何使用WHERE 关键字来获取在泰坦尼克号灾难中幸存者的性别数量及其百分比？

我的代码：

spark.sql(
    "SELECT Sex Where Survived=1 ,count(Sex) \
    as gender_count,count(sex)*100/sum(count(sex)) over() \
    as percent from titanic_table GROUP BY sex"
).show()

错误：

ParseException: "
mismatched input ',' expecting <EOF>(line 1, pos 28)
== SQL ==
SELECT Sex Where Survived=1 ,count(Sex) 
as gender_count,count(sex)*100/sum(count(sex)) over() 
as percent from titanic_table GROUP BY sex
----------------------------^^^
"

【问题讨论】：

您的语法不正确。你不能像这样在SELECT 表达式中使用WHERE。它必须在FROM 之后。在这种情况下，您似乎还需要使用GROUP BY。
我可以知道语法是什么样的吗？
一般形式为SELECT <columns>, <aggregations> FROM table WHERE <conditions> GROUP BY <columns>。如需更具体的解释，请edit 在您的问题中包含一个小的、独立的reproducible example 以及所需的输出。

标签： apache-spark pyspark pyspark-sql

【解决方案1】：

你应该把它放在FROM 之后和GROUP BY 之前。

你的代码应该是：

spark.sql("SELECT Sex, count(Sex) AS gender_count, \
100*count(sex)/sum(count(sex)) over() AS percent \
FROM titanic_table \
WHERE Survived = 1 \
GROUP BY sex").show()

【讨论】：