当前位置: 首页 > wzjs >正文

雄安微网站开发网站 关键词 挖掘

雄安微网站开发,网站 关键词 挖掘,网站开发网上悼念,网站建设交流群问题描述 我们需要确定"ABC_manage_channel"列的逻辑,该列的值在客户连续在同一渠道下单时更新为当前渠道,否则保留之前的值。具体规则如下: 初始值为第一个订单的渠道如果客户连续两次在同一渠道下单,则更新为当前渠…

问题描述

我们需要确定"ABC_manage_channel"列的逻辑,该列的值在客户连续在同一渠道下单时更新为当前渠道,否则保留之前的值。具体规则如下:

  • 初始值为第一个订单的渠道
  • 如果客户连续两次在同一渠道下单,则更新为当前渠道
  • 否则保持前一个值不变

数据准备

首先创建orders表并插入测试数据:

CREATE OR REPLACE TABLE orders (customerid INTEGER,channel VARCHAR(20),order_date DATE
);INSERT INTO orders (customerid, channel, order_date) VALUES
(1, 'TMALL', '2024-11-01'),
(1, 'TMALL', '2024-11-02'),
(1, 'TMALL', '2024-11-03'),
(1, 'douyin', '2024-11-25'),
(1, 'JD', '2025-01-13'),
(1, 'JD', '2025-01-14'),
(1, 'douyin', '2025-03-02'),
(1, 'douyin', '2025-03-27'),
(3, 'JD', '2024-04-23'),
(4, 'JD', '2025-02-15'),
(5, 'JD', '2024-08-30'),
(6, 'douyin', '2024-10-05'),
(7, 'JD', '2024-05-29'),
(7, 'douyin', '2024-09-15'),
(7, 'Wholesale', '2024-12-22'),
(7, 'JD', '2025-03-19'),
(8, 'douyin', '2024-08-01'),
(8, 'douyin', '2024-08-07'),
(8, 'douyin', '2024-11-15'),
(9, 'JD', '2025-03-19'),
(10, 'douyin', '2024-07-30'),
(10, 'douyin', '2024-12-27'),
(10, 'douyin', '2025-03-21'),
(10, 'douyin', '2025-03-23');

解决方案

方法一:使用SparkSQL(结合UDF)

from pyspark.sql import SparkSession
from pyspark.sql import functions as F
from pyspark.sql.types import ArrayType, StringType, StructType, StructField, DateType# 初始化Spark会话
spark = SparkSession.builder.appName("ABCManageChannel").getOrCreate()# 创建并插入测试数据
spark.sql("""
CREATE OR REPLACE TABLE orders (customerid INTEGER,channel VARCHAR(20),order_date DATE
) USING parquet;INSERT INTO orders VALUES
(1, 'TMALL', '2024-11-01'),
(1, 'TMALL', '2024-11-02'),
(1, 'TMALL', '2024-11-03'),
(1, 'douyin', '2024-11-25'),
(1, 'JD', '2025-01-13'),
(1, 'JD', '2025-01-14'),
(1, 'douyin', '2025-03-02'),
(1, 'douyin', '2025-03-27'),
(3, 'JD', '2024-04-23'),
(4, 'JD', '2025-02-15'),
(5, 'JD', '2024-08-30'),
(6, 'douyin', '2024-10-05'),
(7, 'JD', '2024-05-29'),
(7, 'douyin', '2024-09-15'),
(7, 'Wholesale', '2024-12-22'),
(7, 'JD', '2025-03-19'),
(8, 'douyin', '2024-08-01'),
(8, 'douyin', '2024-08-07'),
(8, 'douyin', '2024-11-15'),
(9, 'JD', '2025-03-19'),
(10, 'douyin', '2024-07-30'),
(10, 'douyin', '2024-12-27'),
(10, 'douyin', '2025-03-21'),
(10, 'douyin', '2025-03-23');
""")# 读取数据并按客户分组排序
orders_df = spark.table("orders")# 定义UDF处理渠道序列
def calculate_abc(channels):abc = []prev_channel = Nonecurrent_abc = Nonefor idx, c in enumerate(channels):if idx == 0:current_abc = celse:if c == prev_channel:current_abc = c# 否则保持前一个current_abcabc.append(current_abc)prev_channel = creturn abcudf_calculate_abc = F.udf(calculate_abc, ArrayType(StringType()))# 使用SparkSQL处理
result_sql = spark.sql("""
WITH sorted_orders AS (SELECT customerid, channel, order_date,ROW_NUMBER() OVER (PARTITION BY customerid ORDER BY order_date) AS rnFROM orders
),
grouped AS (SELECT customerid, COLLECT_LIST(channel) OVER (PARTITION BY customerid ORDER BY order_date) AS channels,COLLECT_LIST(order_date) OVER (PARTITION BY customerid ORDER BY order_date) AS order_datesFROM sorted_orders
)
SELECT customerid, order_date, channel, abc
FROM (SELECT customerid, EXPLODE(ARRAYS_ZIP(order_dates, channels, abc_list)) AS dataFROM (SELECT customerid, order_dates, channels,udf_calculate_abc(channels) AS abc_listFROM grouped)
)
SELECT customerid, data.order_dates AS order_date,data.channels AS channel,data.abc_list AS ABC_manage_channel
""")result_sql.show()

方法二:不使用SparkSQL(使用DataFrame API)

# 使用DataFrame API处理
window_spec = Window.partitionBy("customerid").orderBy("order_date")# 收集每个客户的订单渠道并按时间排序
grouped_df = orders_df.withColumn("rn", F.row_number().over(window_spec)) \.groupBy("customerid") \.agg(F.collect_list(F.struct("order_date", "channel")).alias("orders"))# 定义UDF处理订单序列
schema = ArrayType(StructType([StructField("order_date", DateType()),StructField("channel", StringType()),StructField("ABC_manage_channel", StringType())
]))def process_orders(orders):abc_list = []prev_channel = Nonecurrent_abc = Nonesorted_orders = sorted(orders, key=lambda x: x.order_date)for idx, order in enumerate(sorted_orders):if idx == 0:current_abc = order.channelelse:if order.channel == prev_channel:current_abc = order.channelabc_list.append((order.order_date, order.channel, current_abc))prev_channel = order.channelreturn abc_listudf_process_orders = F.udf(process_orders, schema)# 应用UDF并展开结果
result_df = grouped_df.withColumn("processed", udf_process_orders("orders")) \.select(F.explode("processed").alias("data")) \.select(F.col("data.order_date").alias("order_date"),F.col("data.channel").alias("channel"),F.col("data.ABC_manage_channel").alias("ABC_manage_channel"))result_df.show()

解释

  • 方法一使用SparkSQL结合UDF,通过窗口函数排序并收集渠道数据,使用UDF处理每个客户的订单序列,生成ABC管理渠道列。
  • 方法二使用DataFrame API,通过分组和聚合操作收集订单数据,利用UDF处理每个分组内的订单序列,最后展开结果。
http://www.dtcms.com/wzjs/784237.html

相关文章:

  • 网站建设 推荐重庆市工程建设交易中心网站
  • 大连网站开发工资玩具公司网站建设方案
  • 网站开发及维护上海网站设计建设
  • 公司微网站建设公司网站做的太难看
  • 没网站做哪个广告联盟wordpress如何加表情
  • 阿里云共享云主机做网站济南做网站优化哪家好
  • 织梦网站源码中山市开发区建设局网站
  • 有没有网站开发团队企业网络搭建技能大赛
  • 淘宝网站如何推广计算机网站建设书
  • 网站建设合同应注意建立网站需要准备的材料
  • 包头市住房和城乡建设局官方网站销售管理系统软件哪个好
  • 哪里有个人做网站的洛阳网站建设哪家好
  • 南昌快速排名优化唐山seo代理商
  • 创意网站建设设计xly000.wordpress
  • 邢台网站招聘员工123怎么管理好自己的网站
  • 有什么网站可以做深圳初二的试卷练习网站开发趋势
  • 企业网站制作 西安哪些网站用php
  • 高端网站建设 来磐石网络网页设计类网站
  • 什么叫做网站建设苏州公司名称查询
  • 个人网站备案方法大山子网站建设
  • 大数据营销系统aso关键词排名优化是什么
  • 网站建设图片上传wordpress主页显示图片
  • app网站有哪些泰安千橙网络科技有限公司
  • 北京自己怎样做网站正规网店代运营公司
  • 新闻发布的网站开源网站搭建
  • 网站排名如何提升做网站运营需要什么资源
  • 佳木斯网站建设公司长沙商业网站建设
  • 兼职开发网站开发公司名字大全两个字
  • 怎么给领导做网站分析合肥响应式网站建设费用
  • 描述建设网站的步骤wordpress扫码枪