如何计算pyspark数据框中一列中每个分类变量的频率？

Question

假设我有一个pyspark数据框：

df.show()
+-----+---+
|  x  |  y|
+-----+---+
|alpha|  1|
|beta |  2|
|gamma|  1|
|alpha|  2|
+-----+---+

我想计算发生的次数alpha，beta并且gamma在栏中有x。如何在pyspark中做到这一点？

Answer 1

用途pyspark.sql.DataFrame.cube()：

df.cube("x").count().show()