ÎncepețiÎncepe gratuit

Join cu ratinguri

În exercițiul video, ai văzut cum să aplici transformări în PySpark prin unirea tabelelor film și ratings, creând o nouă coloană care stochează ratingul mediu per client. În acest exercițiu, vei explora și mai multe conexiuni între tabelele film și ratings, folosind aceleași tehnici învățate în lecția video, pentru a calcula ratingul mediu pentru fiecare film.

DataFrame-ul PySpark cu filme, film_df, și DataFrame-ul PySpark cu ratinguri, rating_df, sunt disponibile în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Introducere în Data Engineering

Vezi cursul

Instrucțiuni pentru exercițiu

  • Calculează ratingul mediu per film_id și atribuie rezultatul variabilei ratings_per_film_df.
  • Completează instrucțiunea .join() pentru a realiza join-ul după coloana film_id.
  • Afișează primele 5 rezultate ale DataFrame-ului obținut.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Use groupBy and mean to aggregate the column
ratings_per_film_df = rating_df.____('____').____('____')

# Join the tables using the film_id column
film_df_with_ratings = film_df.join(
    ratings_per_film_df,
    film_df.film_id==____
)

# Show the 5 first results
print(film_df_with_ratings.____)
Editează și rulează codul