Python pyspark DataFrame.describe用法及代码示例

本文简要介绍 pyspark.sql.DataFrame.describe 的用法。

用法: DataFrame.describe(*cols)

计算数字和字符串列的基本统计信息。

版本 1.3.1 中的新函数。

这包括计数、平均值、标准差、最小值和最大值。如果没有给出列，则此函数计算所有数字或字符串列的统计信息。

注意：

此函数用于探索性数据分析，因为我们不保证生成的 DataFrame 的模式的向后兼容性。

使用摘要来扩展统计信息并控制要计算的统计信息。

例子：

>>> df.describe(['age']).show()
+-------+------------------+
|summary|               age|
+-------+------------------+
|  count|                 2|
|   mean|               3.5|
| stddev|2.1213203435596424|
|    min|                 2|
|    max|                 5|
+-------+------------------+
>>> df.describe().show()
+-------+------------------+-----+
|summary|               age| name|
+-------+------------------+-----+
|  count|                 2|    2|
|   mean|               3.5| null|
| stddev|2.1213203435596424| null|
|    min|                 2|Alice|
|    max|                 5|  Bob|
+-------+------------------+-----+

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.sql.DataFrame.describe。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。