[英]Create New Rows Based on Other Rows in Python?
東風:
Date Month year Month_yr
0 Jul 19 Jul 19 Jul_2019
1 Ogf 19 Jul 19 Jul_2019
2 May19 May 19 May_2019
3 May 19 May 19 May_2019
4 19May May 19 May_2019
5 Jun19 Jun 19 Jun_2019
6 Jun 19 Jun 19 Jun_2019
7 May 20 May 20 May_2019
8 20May May 20 May_2019
9 Jun20 Jun 20 Jun_2019
10 Jun 20 Jun 20 Jun_2019
我想根據去年的月份和年份創建一個新行。 例如,在我的 df 中,直到月份 = 六月和年 = 20 已經填寫,所以我需要為年 = 20 填寫七月月份,因為我需要檢查去年的月份 = 七月和年 = 19,我看到兩個記錄即
0 Jul 19 Jul 19 Jul_2019
1 Ogf 19 Jul 19 Jul_2019
Output:
Date Month year Month_yr
0 Jul 19 Jul 19 Jul_2019
1 Ogf 19 Jul 19 Jul_2019
2 May19 May 19 May_2019
3 May 19 May 19 May_2019
4 19May May 19 May_2019
5 Jun19 Jun 19 Jun_2019
6 Jun 19 Jun 19 Jun_2019
7 May 20 May 20 May_2019
8 20May May 20 May_2019
9 Jun20 Jun 20 Jun_2019
10 Jun 20 Jun 20 Jun_2019
11 Jul 20 Jul 20 Jul_2019
12 Ogf 20 Jul 20 Jul_2019
每個月的流程都一樣,以此類推...
您可以從第 19 年開始 select ,所有大於第 20 年最后一個月的記錄並將它們合並
import pyspark.sql.functions as F
# Test data
dfs = sqlContext.createDataFrame([('Jan',19,1),('Feb',19,1),('Mar',19,1),('Aug',19,5),('Sep',19,1),('Dec',19,1),('Jan',20,6),('Feb',20,8),('Feb',20,7),('Mar',20,8)],schema=['month','year','value'])
# convert month to a date column
df_mnth = dfs.withColumn("mnth_format",F.to_date('month',format='MMM'))
# Find the maximum month from year 20
max_month = ((df_mnth.filter('year=20').select(F.max('mnth_format').alias('max'))).collect())[0]['max']
# Select all rows later that latest month in 20 from year 19 and replace them with year 20
df_res = df_mnth.filter((F.col('year')==19)& (F.col('mnth_format')>max_month)).replace(19,20,subset='year')
#union them
df_fin =df_mnth.union(df_res.select(df_mnth.columns)).drop('mnth_format')
結果:
+-----+----+-----+
|month|year|value|
+-----+----+-----+
| Jan| 19| 1|
| Feb| 19| 1|
| Mar| 19| 1|
| Aug| 19| 5|
| Sep| 19| 1|
| Dec| 19| 1|
| Jan| 20| 6|
| Feb| 20| 8|
| Feb| 20| 7|
| Mar| 20| 8|
| Aug| 20| 5|
| Sep| 20| 1|
| Dec| 20| 1|
+-----+----+-----+
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.