首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何从pyspark中的dataframe列中选择不同的非空值

在pyspark中,可以使用filter函数从DataFrame列中选择不同的非空值。

首先,我们需要创建一个示例DataFrame:

代码语言:txt
复制
from pyspark.sql import SparkSession
from pyspark.sql.functions import col

# 创建SparkSession
spark = SparkSession.builder.getOrCreate()

# 创建示例DataFrame
data = [("Alice", 25, "Engineer"),
        ("Bob", None, "Developer"),
        ("Charlie", 30, None),
        (None, 35, "Manager")]

df = spark.createDataFrame(data, ["Name", "Age", "Job"])
df.show()

输出结果为:

代码语言:txt
复制
+-------+----+---------+
|   Name| Age|      Job|
+-------+----+---------+
|  Alice|  25| Engineer|
|    Bob|null|Developer|
|Charlie|  30|     null|
|   null|  35|  Manager|
+-------+----+---------+

接下来,我们可以使用filter函数来选择非空值。使用isNotNull函数来检查列中的值是否为非空值:

代码语言:txt
复制
# 选择非空值
filtered_df = df.filter(col("Name").isNotNull() & col("Age").isNotNull() & col("Job").isNotNull())
filtered_df.show()

输出结果为:

代码语言:txt
复制
+-----+---+--------+
| Name|Age|     Job|
+-----+---+--------+
|Alice| 25|Engineer|
+-----+---+--------+

在这个例子中,我们使用filter函数结合isNotNull函数来选择所有列都不为空的行。

如果你想选择至少有一个非空值的行,可以使用isNotNull函数的|操作符:

代码语言:txt
复制
# 选择至少有一个非空值的行
filtered_df = df.filter(col("Name").isNotNull() | col("Age").isNotNull() | col("Job").isNotNull())
filtered_df.show()

输出结果为:

代码语言:txt
复制
+-------+----+---------+
|   Name| Age|      Job|
+-------+----+---------+
|  Alice|  25| Engineer|
|    Bob|null|Developer|
|Charlie|  30|     null|
|   null|  35|  Manager|
+-------+----+---------+

这样就可以选择所有至少有一个非空值的行。

总结起来,从pyspark中的DataFrame列中选择不同的非空值,可以使用filter函数结合isNotNull函数来实现。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

Pyspark学习笔记(四)弹性分布式数据集 RDD 综述(上)

RDD(弹性分布式数据集) 是 PySpark 的基本构建块,是spark编程中最基本的数据对象;     它是spark应用中的数据集,包括最初加载的数据集,中间计算的数据集,最终结果的数据集,都是RDD。     从本质上来讲,RDD是对象分布在各个节点上的集合,用来表示spark程序中的数据。以Pyspark为例,其中的RDD就是由分布在各个节点上的python对象组成,类似于python本身的列表的对象的集合。区别在于,python集合仅在一个进程中存在和处理,而RDD分布在各个节点,指的是【分散在多个物理服务器上的多个进程上计算的】     这里多提一句,尽管可以将RDD保存到硬盘上,但RDD主要还是存储在内存中,至少是预期存储在内存中的,因为spark就是为了支持机器学习应运而生。 一旦你创建了一个 RDD,就不能改变它。

03
领券