![](/img/trans.png)
[英]Check if a pandas Dataframe string column contains all the elements given in an array
[英]To check if elements in a given list present in array column in DataFrame
我有以下 function 适用于 pandas dataframe
def event_list(df,steps):
df['steps_present'] = df['labels'].apply(lambda x:all(step in x for step in steps))
return df
DataFrame 有一个名为标签的列,其值为列表。 This function accepts dataframe and steps(which is a list) and outputs dataframe with a new column Steps present if all the elements in parameter list present in the dataframe column
value in df['labels'] = [EBBY , ABBY , JULIE , ROBERTS]
event_list(df,['EBBY','ABBY'])
将为该记录返回 True,因为 EBBY 和 ABBY 存在于 dataframe 列表列中。
我想在 pyspark 中创建一个类似的 function。
您可以将 function 转换为 UDF,可能如下所示,它可以工作。
from pyspark.sql.functions import lit, array
values = [(["EBBY" , "ABBY" , "JULIE" , "ROBERTS"],),
(["EBBY" , "ABBY"],)]
columns = ['labels']
df = spark.createDataFrame(values, columns)
@udf
def event_list(column_to_test, input_values):
return all(value in column_to_test for value in input_values)
steps = ["EBBY", "JULIE"]
df.withColumn("steps_present", event_list(df['labels'], array([lit(x) for x in steps]))).show(truncate=False)
您可以使用array_except
检查提供的列表中的每个元素是否存在于标签列中。 如果是,则array_except
结果的大小将为 0。将大小与 0 进行比较将为您提供所需的 Boolean 值。
import pyspark.sql.functions as F
def event_list(df, steps):
return df.withColumn(
'steps_present',
F.size(F.array_except(F.array(*[F.lit(l) for l in steps]), 'labels')) == 0
)
df2 = event_list(df, ["EBBY", "ABBY"])
df2.show(truncate=False)
+----------------------------+-------------+
|labels |steps_present|
+----------------------------+-------------+
|[EBBY, ABBY, JULIE, ROBERTS]|true |
|[EBBY, JULIE] |false |
+----------------------------+-------------+
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.