Pyspark 对列列表应用条件的数据帧筛选
如果列表中的任何字符串列为空,我想筛选pyspark数据帧Pyspark 对列列表应用条件的数据帧筛选,pyspark,databricks,Pyspark,Databricks,如果列表中的任何字符串列为空,我想筛选pyspark数据帧 df = df.where(all([col(x)!='' for x in col_list])) ValueError: Cannot convert column into bool: please use '&' for 'and', '|' for 'or', '~' for 'not' when building DataFrame boolean expressions. 您可以使用functools中的red
df = df.where(all([col(x)!='' for x in col_list]))
ValueError: Cannot convert column into bool: please use '&' for 'and', '|' for 'or', '~' for 'not' when building DataFrame boolean expressions.
您可以使用
functools
中的reduce
来模拟all
,如下所示
from functools import reduce
spark_df.where(reduce(lambda x, y: x & y, (F.col(x) != '' for x in col_list))).show()
由于过滤器
(或其中
)是延迟计算的转换,我们可以通过逐个应用它们来合并多个条件,例如
for c in col_list:
spark_df = spark_df.filter(col(c) != "")
spark_df.show()
这可能更具可读性,但最终将以与Sreeram的答案完全相同的方式执行
另一方面,删除带有空值的行最常用的方法是
df.na.drop(how="any", subset=col_list)
但它只处理缺少的(null/None)值,而不是空字符串