python或pyspark，sql对⼀个dataframe，排序并排名
输⼊：
输出：
具体代码：
⼀：纯python代码
import pandas as pd
data=pd.DataFrame({'c1':[5,8,3,3,4,1]})
print(data)
d1= data.sort_values(by='c1')
d1['rank']=d1.rank(method='min').astype(int)
print(d1)
⼆：pyspark代码
import pandas as pd
from pyspark.sql import Row, functions as F
from pyspark.sql.window import Window
from pyspark import SparkContext
from pyspark.sql import SQLContext
sc = SparkContext()
sqlContext = SQLContext(sc)
df=pd.DataFrame({'c1':[5,8,3,3,4,1]})
sdf = ateDataFrame(df)
(sdf.select("c1",F.rank().derBy("c1")).alias("rank") ).show())
#(sdf.select("c1",F.rank().derBy(sdf.c1.desc())).alias("rank") ).show())#这也可以的
三：sql代码
窗⼝函数语法：其中[]中的内容可以省略，窗⼝函数的适⽤范围：只能在select⼦句中使⽤。
<；窗⼝函数> over ([partition by <；列清单>]order by <；排序⽤列清单>)
rank函数怎么排名窗⼝函数⼤体可以分为以下两种：1.能够作为窗⼝函数的聚合函数（sum，avg，count，max，min）
2.rank，dense_rank。row_number等专⽤窗⼝函数。
语法的基本使⽤⽅法：使⽤rank函数
rank函数是⽤来计算记录排序的函数。
select product_name, product_type, sale_price,
rank () over (partition by product_type
order by sale_price) as ranking
from Product;
partition by 能够设定排序的对象范围，类似于group by语句，这⾥就是以product_type划分排序范围。
order by能够指定哪⼀列，何种顺序进⾏排序。也可以通过asc，desc来指定升序降序。
窗⼝函数兼具分组和排序两种功能。通过partition by分组后的记录集合称为窗⼝。
然⽽partition by不是窗⼝函数所必须的：
select product_name, product_type, sale_price,
rank () over (order by sale_price) as ranking
from Product;
专⽤函数的种类：1.rank函数：计算排序时，如果存在相同位次的记录，则会跳过之后的位次。
2.dense_rank函数：同样是计算排序，即使存在相同位次的记录，也不会跳过之后的位次。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。