PySpark分组统计球员夺冠次数：需过滤特定赛事并排序求助

DevOps 小满

2026-8-22

解决方案

直接给你修正后的完整代码，同时说明关键调整点：

from pyspark.sql.functions import col, lower

# 读取数据集
game_info = spark.read.load("/content/chess/chess_wc_history_game_info.csv",
                     format="csv", sep=",", inferSchema="true", header="true")

# 过滤掉event以"k.o."或"KO"结尾的行
filtered_data = game_info.filter(
    ~(col("event").endsWith("k.o.") | col("event").endsWith("KO"))
)

# 按球员分组统计总夺冠次数，重命名字段并按次数降序排列
result = filtered_data.groupBy("winner").count() \
    .withColumnRenamed("winner", "player_name") \
    .withColumnRenamed("count", "number_of_wins") \
    .orderBy(col("number_of_wins").desc())

# 展示结果
result.show()

关键调整说明：

过滤逻辑：用~取反，结合endsWith精准剔除event字段以"k.o."或"KO"结尾的记录。如果要兼容大小写变体（比如"Ko"、"K.O."），可以转成小写后判断：
```
filtered_data = game_info.filter(
    ~lower(col("event")).endsWith("k.o.") & ~lower(col("event")).endsWith("ko")
)
```
分组修正：你原代码同时按winner、event、tournament_name分组，得到的是球员单赛事夺冠次数，而需求是总夺冠次数，所以只保留winner作为分组键。
字段重命名：用withColumnRenamed把默认的winner和count改成需求指定的player_name、number_of_wins。
排序处理：通过orderBy结合desc()实现按夺冠次数降序排列。