![](/img/trans.png)
[英]How to get the subset dataframe from the dataframe in python?
[英]How to get this kind of subset from a DataFrame in Pyspark?
比如我有下面的DataFrame
+-----+----+------+
| idx | id | type |
+-----+----+------+
| 0 | 10 | a |
| 1 | 10 | b |
| 2 | 20 | b |
| 3 | 30 | a |
+-----+----+------+
我想要通过以下顺序步骤获得这样的子集:
type
a 的所有id
id
是10和30id
与上面相同的所有行
0
, 1
和3
被选中结果子集 DataFrame 是:
+-----+----+------+
| idx | id | type |
+-----+----+------+
| 0 | 10 | a |
| 1 | 10 | b |
| 3 | 30 | a |
+-----+----+------+
如何在pyspark
中实现这一点? 提前致谢。
另一个后续问题,如何实现以下。
如果步骤更改为:
id
与上面不同的所有行
2
行被选中,因为只有这一行的id
不是10或30生成的 DataFrame 应该是:
+-----+----+------+
| idx | id | type |
+-----+----+------+
| 2 | 20 | b |
+-----+----+------+
您可以使用过滤器和连接操作。 1.
filterDF = dataDF.filter(dataDF.type == "a")
joinedDS = dataDF.join(filterDF, on="id")
对于第 2 点,您可以使用 left_anti 加入
joinedDS1 = dataDF.join(joinedDS, on="id", how='left_anti')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.