Python pyspark DataFrame.median用法及代碼示例

本文簡要介紹 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]

返回請求軸的值的中值。

注意

與 pandas 不同，pandas-on-Spark 中的中位數是基於近似百分位數計算的近似中位數，因為在大型數據集上計算中位數非常昂貴。

參數：

axis：{索引 (0), 列 (1)}: 要應用的函數的軸。
numeric_only：布爾值，默認無: 僅包括 float、int、boolean 列。不支持 False。這個參數主要是為了pandas的兼容性。
accuracy：整數，可選: 近似的默認精度。較大的值意味著更好的準確性。相對誤差可以推導出 1.0/accuracy。

median：標量或係列

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

在數據幀上：

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

在一個係列上：

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

對於多索引列，

>>> 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

在數據幀上：

>>> 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

在一個係列上：

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

相關用法

注：本文由純淨天空篩選整理自spark.apache.org大神的英文原創作品 pyspark.pandas.DataFrame.median。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：