Python pyspark DataFrame.median用法及代码示例

本文简要介绍 pyspark.pandas.DataFrame.median 的用法。

用法: DataFrame.median(axis: Union[int, str, None] = None, numeric_only: bool = None, accuracy: int = 10000) → Union[int, float, bool, str, bytes, decimal.Decimal, datetime.date, datetime.datetime, None, Series]

返回请求轴的值的中值。

注意

与 pandas 不同，pandas-on-Spark 中的中位数是基于近似百分位数计算的近似中位数，因为在大型数据集上计算中位数非常昂贵。

参数：

axis：{索引 (0), 列 (1)}: 要应用的函数的轴。
numeric_only：布尔值，默认无: 仅包括 float、int、boolean 列。不支持 False。这个参数主要是为了pandas的兼容性。
accuracy：整数，可选: 近似的默认精度。较大的值意味着更好的准确性。相对误差可以推导出 1.0/accuracy。

median：标量或系列

例子：

>>> df = ps.DataFrame({
...     'a': [24., 21., 25., 33., 26.], 'b': [1, 2, 3, 4, 5]}, columns=['a', 'b'])
>>> df
      a  b
0  24.0  1
1  21.0  2
2  25.0  3
3  33.0  4
4  26.0  5

在数据帧上：

>>> df.median()
a    25.0
b     3.0
dtype: float64

在一个系列上：

>>> df['a'].median()
25.0
>>> (df['b'] + 100).median()
103.0

对于多索引列，

>>> df.columns = pd.MultiIndex.from_tuples([('x', 'a'), ('y', 'b')])
>>> df
      x  y
      a  b
0  24.0  1
1  21.0  2
2  25.0  3
3  33.0  4
4  26.0  5

在数据帧上：

>>> df.median()
x  a    25.0
y  b     3.0
dtype: float64

>>> df.median(axis=1)
0    12.5
1    11.5
2    14.0
3    18.5
4    15.5
dtype: float64

在一个系列上：

>>> df[('x', 'a')].median()
25.0
>>> (df[('y', 'b')] + 100).median()
103.0

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.pandas.DataFrame.median。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：