本文介绍了如何基于对Pyspark中另一列的表达式求值,有条件地替换一列中的值?的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
import numpy as np
df = spark.createDataFrame(
[(1, 1, None),
(1, 2, float(5)),
(1, 3, np.nan),
(1, 4, None),
(0, 5, float(10)),
(1, 6, float('nan')),
(0, 6, float('nan'))],
('session', "timestamp1", "id2"))
+-------+----------+----+
|session|timestamp1| id2|
+-------+----------+----+
| 1| 1|null|
| 1| 2| 5.0|
| 1| 3| NaN|
| 1| 4|null|
| 0| 5|10.0|
| 1| 6| NaN|
| 0| 6| NaN|
+-------+----------+----+
当session == 0时,如何将timestamp1列的值替换为999?
How to replace value of timestamp1 column with value 999 when session==0?
预期产量
Expected output
+-------+----------+----+
|session|timestamp1| id2|
+-------+----------+----+
| 1| 1|null|
| 1| 2| 5.0|
| 1| 3| NaN|
| 1| 4|null|
| 0| 999|10.0|
| 1| 6| NaN|
| 0| 999| NaN|
+-------+----------+----+
是否可以在PySpark中使用replace()做到这一点?
Is it possible to do it using replace() in PySpark?
推荐答案
您应该使用when
(带有otherwise
)功能:
You should be using the when
(with otherwise
) function:
from pyspark.sql.functions import when
targetDf = df.withColumn("timestamp1", \
when(df["session"] == 0, 999).otherwise(df["timestamp1"]))
这篇关于如何基于对Pyspark中另一列的表达式求值,有条件地替换一列中的值?的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持!