从pyspark中的下一列中删除空值和移位值
我需要将Python脚本转换为Pyspark,这对我来说是一项艰巨的任务 我试图从数据帧中删除空值(不删除整个列或行),并将下一个值移到前一列。例如:从pyspark中的下一列中删除空值和移位值,pyspark,Pyspark,我需要将Python脚本转换为Pyspark,这对我来说是一项艰巨的任务 我试图从数据帧中删除空值(不删除整个列或行),并将下一个值移到前一列。例如: CLIENT| ANIMAL_1 | ANIMAL_2 | ANIMAL_3| ANIMAL_4 ROW_1 1 | cow | frog | null | dog ROW_2 2 | pig | null | cat | null 我的目标是:
CLIENT| ANIMAL_1 | ANIMAL_2 | ANIMAL_3| ANIMAL_4
ROW_1 1 | cow | frog | null | dog
ROW_2 2 | pig | null | cat | null
我的目标是:
CLIENT| ANIMAL_1 | ANIMAL_2 | ANIMAL_3| ANIMAL_4
ROW_1 1 | cow | frog | dog | null
ROW_2 2 | pig | cat | null | null
我在python上使用的代码是(我在Stackoverflow上得到):
然后我重命名这些列。但我不知道如何在Pyspark上实现这一点。这里有一种在Spark 2.4+版上实现这一点的方法: 创建所需列的数组并按条件排序,条件如下:
from pyspark.sql.functions import array, array_sort, arrays_zip, col, lit
animal_cols = df.columns[1:]
N = len(animal_cols)
df_out = df.select(
df.columns[0],
array_sort(
arrays_zip(
array([col(c).isNull() for c in animal_cols]),
array([lit(i) for i in range(N)]),
array([col(c) for c in animal_cols])
)
).alias('sorted')
)
df_out.show(truncate=False)
#+------+----------------------------------------------------------------+
#|CLIENT|sorted |
#+------+----------------------------------------------------------------+
#|1 |[[false, 0, cow], [false, 1, frog], [false, 3, dog], [true, 2,]]|
#|2 |[[false, 0, pig], [false, 2, cat], [true, 1,], [true, 3,]] |
#+------+----------------------------------------------------------------+
现在事情已经按正确的顺序进行了,您只需要提取值。在本例中,这是元素'2'
在排序的
列的第i个索引中的项
df_out = df_out.select(
df.columns[0],
*[col("sorted")[i]['2'].alias(animal_cols[i]) for i in range(N)]
)
df_out.show(truncate=False)
#+------+--------+--------+--------+--------+
#|CLIENT|ANIMAL_1|ANIMAL_2|ANIMAL_3|ANIMAL_4|
#+------+--------+--------+--------+--------+
#|1 |cow |frog |dog |null |
#|2 |pig |cat |null |null |
#+------+--------+--------+--------+--------+
df_out = df_out.select(
df.columns[0],
*[col("sorted")[i]['2'].alias(animal_cols[i]) for i in range(N)]
)
df_out.show(truncate=False)
#+------+--------+--------+--------+--------+
#|CLIENT|ANIMAL_1|ANIMAL_2|ANIMAL_3|ANIMAL_4|
#+------+--------+--------+--------+--------+
#|1 |cow |frog |dog |null |
#|2 |pig |cat |null |null |
#+------+--------+--------+--------+--------+