更新时间：2023-05-05 GMT+08:00
数据集聚合
概述
对数据集进行各种聚合运算，包括求平均值、最大值、最小值、方差，对某些列执行分组操作。
输入
参数 |
子参数 |
参数说明 |
|---|---|---|
inputs |
dataframe |
inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 |
输出
数据集
参数说明
参数 |
子参数 |
参数说明 |
|---|---|---|
agg_operators_str |
- |
代表各种聚合操作的格式化字符串，例如： "sum,old_column_a,new_column_a" "sum,old_column_a,new_column_a;covar,old_column_b,new_column_b,additional_column_b" 聚合操作有： sum：求和 sum_distinct：去重后求和 avg：均值 avg_distinct：去重后求均值 min：最小值 max：最大值 count：计数 count_distinct：去重后计数 stddev_pop：标准差 stddev_samp：样本标准差 var_pop：方差 var_samp：样本方差 covar_pop：协方差 covar_samp：样本协方差 corr：相关系数 percentile_approx：近似百分比 |
group_by_columns_str |
- |
代表对某些列进行分组操作的格式化字符串，例如： "column_a" "column_a,column_b,column_c" |
样例
inputs = {
"dataframe": None # @input {"label":"dataframe","type":"DataFrame"}
}
params = {
"inputs": inputs,
"agg_operators_str": "", # @param {"label":"agg_operators_str","type":"string","required":"true","helpTip":""}
"group_by_columns_str": "" # @param {"label":"group_by_columns_str","type":"string","required":"true","helpTip":""}
}
dataset_aggregate____id___ = MLSDatasetAggerate(**params)
dataset_aggregate____id___.run()
# @output {"label":"dataframe","name":"dataset_aggregate____id___.get_outputs()['output_port_1']","type":"DataFrame"}
父主题： 数据处理
