Kom igångKom igång gratis

Sammanslagning med betyg

I videoövningen såg du hur man använder transformationer i PySpark genom att slå ihop tabellerna film och ratings för att skapa en ny kolumn med det genomsnittliga betyget per kund. I den här övningen ska du skapa fler synergier mellan tabellerna film och ratings – med samma tekniker som du lärde dig i videon – för att beräkna genomsnittsbetyget för varje film.

PySpark DataFrame:en med filmer, film_df, och PySpark DataFrame:en med betyg, rating_df, finns tillgängliga i din arbetsyta.

Den här övningen är en del av kursen

Introduktion till datatekniker

Visa kurs

Övningsinstruktioner

  • Beräkna medelbetyget per film_id och tilldela resultatet till ratings_per_film_df.
  • Fyll i .join()-uttrycket för att slå ihop tabellerna på kolumnen film_id.
  • Visa de första 5 resultaten i den resulterande DataFrame:en.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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.____)
Redigera och kör kod