スパークBucketizer - 要素がなくてもすべてのバケットを表示

Question

スパークデータフレームから生成された のようなイベントのリストがあります。 Spala 2.2.0をScalaで使用しています。

val events = df.select($"event", hour($"time") as "hour", to_date($"time", "yyyy-MM-dd") as "day") 

+-----+-----+----------+ |event|hour | day| +-----+-----+----------+ |event1| 18|2015-02-05| |event1| 17|2015-02-19| |event5| 18|2015-02-02| |event5| 19|2015-02-02| |event1| 1|2015-03-17| |event1| 0|2015-02-03| |event1| 20|2015-02-02| |event1| 22|2015-02-02| |event1| 23|2015-02-02| |event1| 18|2015-02-09| |event1| 19|2015-02-09| |event1| 21|2015-02-09| |event1| 21|2015-04-06| |event1| 23|2015-02-09| |event1| 20|2015-02-16| |event2| 19|2015-02-12| |event3| 18|2015-02-18| |event1| 22|2015-02-16| |event2| 17|2015-02-04| |event1| 23|2015-02-16| +-----+----+----------+ only showing top 20 rows

私は時給バケットを作成して、時間ごとに起こるどのように多くのイベントをカウントする必要があります。だから私のアプローチは、バケット（24個）を作成し、以下に示すように特定の時間帯にイベントを数えることでした。

val splits = (0 to 24).map(_ * 1.0).toArray 
val bucketizer = new Bucketizer() 
    .setInputCol("hour") 
    .setOutputCol("bucket") 
    .setSplits(splits) 

val bucket = bucketizer.transform(events) 

val result = bucket.groupBy($"day", $"bucket").agg(count($"event").as("count")).orderBy(asc("bucket")) 

result.filter($"day" === "2015-05-21").orderBy(asc("bucket")).show() 

そして、上記のコードの結果が正しい

+----------+------+-----+ | day|bucket|count| +----------+------+-----+ |2015-05-21| 0.0| 1| |2015-05-21| 2.0| 1| |2015-05-21| 11.0| 1| |2015-05-21| 17.0| 1| |2015-05-21| 18.0| 4| |2015-05-21| 19.0| 4| |2015-05-21| 21.0| 1| |2015-05-21| 22.0| 3| |2015-05-21| 23.0| 1| +----------+------+-----+

です。しかし、私は出力として期待していたものを、このようなものです：

+----------+------+-----+ | day|bucket|count| +----------+------+-----+ |2015-05-21| 0.0| 1| |2015-05-21| 1.0| 0| |2015-05-21| 2.0| 1| |2015-05-21| 3.0| 0| |2015-05-21| 4.0| 0| |2015-05-21| 5.0| 0| : : |2015-05-21| 11.0| 1| |2015-05-21| 12.0| 0| |2015-05-21| 13.0| 0| : : |2015-05-21| 17.0| 1| |2015-05-21| 18.0| 4| |2015-05-21| 19.0| 4| |2015-05-21| 20.0| 0| |2015-05-21| 21.0| 1| |2015-05-21| 22.0| 3| |2015-05-21| 23.0| 1| +----------+------+-----+

は基本的には、何のイベントを持っていないビン（バケット）は0でそれを達成するためにどのように任意のアイデアを移入する必要がありますか？

ありがとうございました！

Answer 1

、以下に示すように、これはBucketizer（私は非常にきれいではありません認める）

val events = df.select($"event", hour($"time") as "hour", to_date($"time", "yyyy-MM-dd") as "day") 

val left = (0 to 24).toDF.withColumnRenamed("value", "hour") 
val right = or_counts.filter($"day" === "2015-05-21").groupBy($"hour").agg(count("event").as("count")).orderBy(asc("hour")) 

left.join(right, Seq("hour"), "left_outer").na.fill(0, Seq("count")).show() 

そして、このコードを使用することなく、私の現在のソリューションは何かを返している：私の予想結果であった

+----+-----+ |hour|count| +----+-----+ | 0| 1| | 1| 0| | 2| 1| | 3| 0| | 4| 0| | 5| 0| | 6| 0| | 7| 0| | 8| 0| | 9| 0| | 10| 0| | 11| 1| | 12| 0| | 13| 0| | 14| 0| | 15| 0| | 16| 0| | 17| 1| | 18| 4| | 19| 4| | 20| 0| | 21| 1| | 22| 3| | 23| 1| | 24| 0| +----+-----+ を。 誰かがより良い解決策を考え出すことができるなら、私はその答えを受け入れます。

ありがとうございました！