问题描述
|--------------------------|
| text |
|--------------------------|
| ["hello","world"] |
|--------------------------|
| ["foo"] |
|--------------------------|
| ["world","bar"] |
|--------------------------|
| ["kung","foo","world"]|
|--------------------------|
| ... |
我需要计算每个单词的出现次数,并将其从大到小排序。我不知道它可能包含的所有单词。我该如何操作呢?
完成后看起来像这样
|-----------------|-----------------|
| word | count |
|-----------------|-----------------|
| hello | 1 |
|-----------------|-----------------|
| world | 3 |
|-----------------|-----------------|
| bar | 1 |
|-----------------|-----------------|
| foo | 2 |
|-----------------|-----------------|
| ... | ... |
我尝试展平数据框,在其上进行映射等,等等。任何帮助将不胜感激!
解决方法
假定已存储为字符串列表:
df.select(explode($"text").as("word")).groupBy("word").count.orderBy(desc("count"))