spark sortby在Spark SQL中如何使用

在 Spark SQL 中，您可以使用 orderBy 或 sort_by 函数对 DataFrame 进行排序

首先，我们需要创建一个 DataFrame。以下是一个简单的示例：

from pyspark.sql import SparkSession
from pyspark.sql.functions import col

spark = SparkSession.builder \
    .appName("Spark SQL SortBy Example") \
    .getOrCreate()

data = [("Alice", 34), ("Bob", 45), ("Cathy", 29), ("David", 31)]
columns = ["Name", "Age"]

df = spark.createDataFrame(data, columns)
df.show()

这将创建一个如下所示的 DataFrame：

+-----+---+
| Name|Age|
+-----+---+
|Alice| 34|
|  Bob| 45|
|Cathy| 29|
|David| 31|
+-----+---+

现在，我们将使用 orderBy 和 sort_by 函数对 DataFrame 进行排序。

1. 使用 orderBy 函数：

sorted_df = df.orderBy(col("Age").desc())
sorted_df.show()

这将按年龄降序排列 DataFrame：

+-----+---+
| Name|Age|
+-----+---+
|  Bob| 45|
|David| 31|
|Alice| 34|
|Cathy| 29|
+-----+---+

2. 使用 sort_by 函数：

from pyspark.sql.functions import desc

sorted_df = df.sort_by(desc("Age"))
sorted_df.show()

这也将按年龄降序排列 DataFrame：

+-----+---+
| Name|Age|
+-----+---+
|  Bob| 45|
|David| 31|
|Alice| 34|
|Cathy| 29|
+-----+---+

注意：orderBy 和 sort_by 函数在功能上相似，但它们之间存在一些差异。orderBy 是针对单个列进行排序，而 sort_by 可以针对多个列进行排序。此外，sort_by 允许您使用复杂的表达式进行排序，而 orderBy 只支持简单的列引用。