计算数据帧的数字列的近似分量。
Syntax
approxQuantile(col: Union[str, List[str], Tuple[str]], probabilities: Union[List[float], Tuple[float]], relativeError: float)
参数
| 参数 | 类型 | 说明 |
|---|---|---|
col |
str、tuple 或 list | 可以是单个列名，也可以是多个列的名称列表。 |
probabilities |
浮点列表或元组 | 分位概率列表。 每个数字必须是 [0， 1] 范围内的浮点数。 例如，0.0 是最小值，0.5 是中值，1.0 是最大值。 |
relativeError |
float | 要实现的相对目标精度（>= 0）。 如果设置为零，将计算确切的分量，这可能非常昂贵。 请注意，接受大于 1 的值，但给出的结果与 1 相同。 |
退货
list：给定概率的近似分位数。 如果输入 col 是字符串，则输出是浮点列表。 如果输入 col 是字符串的列表或元组，则输出也是列表，但其中的每个元素都是浮点列表。
备注
在计算之前，数值列中将忽略 Null 值。 对于仅包含 null 值的列，将返回空列表。
示例
data = [(1,), (2,), (3,), (4,), (5,)]
df = spark.createDataFrame(data, ["values"])
quantiles = df.approxQuantile("values", [0.0, 0.5, 1.0], 0.05)
quantiles
# [1.0, 3.0, 5.0]
data = [(1, 10), (2, 20), (3, 30), (4, 40), (5, 50)]
df = spark.createDataFrame(data, ["col1", "col2"])
quantiles = df.approxQuantile(["col1", "col2"], [0.0, 0.5, 1.0], 0.05)
quantiles
# [[1.0, 3.0, 5.0], [10.0, 30.0, 50.0]]