SparkR。如何计算Spark DataFrame中所有列的不同值？

Question

我想知道是否有方法来计算火花数据框每列中不同项目的数量？也就是说，给定数据集：

set.seed(123) 
df<- data.frame(ColA=rep(c("dog", "cat", "fish", "shark"), 4), ColB=rnorm(16), ColC=rep(seq(1:8),2)) 
df 

我这样做R中获得的计数：

sapply(df, function(x){length(unique(x))}) 

> ColA ColB ColC 
    4 16 8 

我怎么会去这样做同样的事情。这一点数据帧？

sdf<- SparkR::createDataFrame(df) 

任何帮助，非常感谢。先谢谢你。 -nate

Answer 1

这个工作对我来说在SparkR：

exprs = lapply(names(sdf), function(x) alias(countDistinct(sdf[[x]]), x)) 
# here use do.call to splice the aggregation expressions to agg function 
head(do.call(agg, c(x = sdf, exprs))) 

# ColA ColB ColC 
#1 4 16 8