[英]PySpark: multiple conditions in when clause
我想修改數據幀列(Age)的單元格值,其中當前它是空白的,我只會在另一列(Survived)的值為0時為相應的行進行修改,其中Age為空白。 如果它在Survived列中為1但在Age列中為空,那么我將它保持為null。
我嘗試使用&&
運算符,但它沒有用。 這是我的代碼:
tdata.withColumn("Age", when((tdata.Age == "" && tdata.Survived == "0"), mean_age_0).otherwise(tdata.Age)).show()
任何建議如何處理? 謝謝。
錯誤信息:
SyntaxError: invalid syntax
File "<ipython-input-33-3e691784411c>", line 1
tdata.withColumn("Age", when((tdata.Age == "" && tdata.Survived == "0"), mean_age_0).otherwise(tdata.Age)).show()
^
你得到SyntaxError
錯誤異常,因為Python沒有&&
運算符。 它具有and
&
,其中后者是在Column
上創建布爾表達式的正確選擇( |
用於邏輯析取,而~
用於邏輯否定)。
您創建的條件也無效,因為它不考慮運算符優先級 。 &
在Python中具有比==
更高的優先級,因此表達式必須用括號括起來。
(col("Age") == "") & (col("Survived") == "0")
## Column<b'((Age = ) AND (Survived = 0))'>
在旁注when
函數等效於case
表達式而不是WHEN
子句。 仍然適用相同的規則。 連詞:
df.where((col("foo") > 0) & (col("bar") < 0))
分離:
df.where((col("foo") > 0) | (col("bar") < 0))
您當然可以單獨定義條件以避免使用括號:
cond1 = col("Age") == ""
cond2 = col("Survived") == "0"
cond1 & cond2
它至少應該在pyspark 2.4中起作用
tdata = tdata.withColumn("Age", when((tdata.Age == "") & (tdata.Survived == "0") , "NewValue").otherwise(tdata.Age))
當在pyspark中 時 ,可以使用& (for和)和|來構建多個條件 (for或)。
注意:在pyspark中,重要的是將括號內的每個表達式括起來組合形成條件
%pyspark
dataDF = spark.createDataFrame([(66, "a", "4"),
(67, "a", "0"),
(70, "b", "4"),
(71, "d", "4")],
("id", "code", "amt"))
dataDF.withColumn("new_column",
when((col("code") == "a") | (col("code") == "d"), "A")
.when((col("code") == "b") & (col("amt") == "4"), "B")
.otherwise("A1")).show()
在Spark Scala代碼( && )或( || )中,條件可以在函數內使用
//scala
val dataDF = Seq(
(66, "a", "4"), (67, "a", "0"), (70, "b", "4"), (71, "d", "4"
)).toDF("id", "code", "amt")
dataDF.withColumn("new_column",
when(col("code") === "a" || col("code") === "d", "A")
.when(col("code") === "b" && col("amt") === "4", "B")
.otherwise("A1")).show()
=======================
Output:
+---+----+---+----------+
| id|code|amt|new_column|
+---+----+---+----------+
| 66| a| 4| A|
| 67| a| 0| A|
| 70| b| 4| B|
| 71| d| 4| A|
+---+----+---+----------+
此代碼段是從sparkbyexamples.com復制的
它應該是:
$when(((tdata.Age == "" ) & (tdata.Survived == "0")), mean_age_0)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.