计算 Spark Dataframe 中分组数据的分位数

我有以下 Spark 数据框：

 agent_id|payment_amount|
+--------+--------------+
|       a|          1000|
|       b|          1100|
|       a|          1100|
|       a|          1200|
|       b|          1200|
|       b|          1250|
|       a|         10000|
|       b|          9000|
+--------+--------------+

我的愿望输出是这样的

agen_id   95_quantile
  a          whatever is 95 quantile for agent a payments
  b          whatever is 95 quantile for agent b payments

对于每组 agent_id 我需要计算 0.95 分位数，我采用以下方法：

test_df.groupby('agent_id').approxQuantile('payment_amount',0.95)

但我犯了以下错误：

'GroupedData' object has no attribute 'approxQuantile'

我需要在新列中包含 0.95 分位数（百分位数），以便稍后可用于过滤目的

我使用的是 Spark 2.0.0

一种解决方案是使用percentile_approx :

>>> test_df.registerTempTable("df")
>>> df2 = sqlContext.sql("select agent_id, percentile_approx(payment_amount,0.95) as approxQuantile from df group by agent_id")

>>> df2.show()
# +--------+-----------------+
# |agent_id|   approxQuantile|
# +--------+-----------------+
# |       a|8239.999999999998|
# |       b|7449.999999999998|
# +--------+-----------------+ 

Note 1 :该解决方案已使用 Spark 1.6.2 进行测试，并且需要HiveContext.

Note 2 : approxQuantileSpark pyspark.

Note 3 : percentile返回组中数字列（包括浮点类型）的近似第 p 个百分位。当 col 中不同值的数量小于第二个参数值时，这会给出精确的百分位数值。

EDIT : From Spark 2+, HiveContext不需要。