Python 根据列值对pyspark数据帧进行排序

我是Spark的初学者，我正在为我的问题寻找解决方案。 我试图根据每列包含的null值的数量以升序对数据帧进行排序

例如： 数据：

排序后，数据帧应为：

Column3     Colum2     Column1

我所能做的就是计算每列的空值

data.select([count(when(col(c).isNull(), c)).alias(c) for c in data.columns])

---

现在，我不知道如何继续。我希望您能帮助我。

我的解决方案，它可以按照您的要求工作：

#Based on your code
df=df.select([count(when(col(c).isNull(), c)).alias(c) for c in df.columns])

# Convert dataframe to dictionary (Python 3.x)
dict = list(map(lambda row: row.asDict(), df.collect()))[0]

# Create a dictionary with sorted values based on keys
sorted_dict={k: v for k, v in sorted(dict.items(), key=lambda item: item[1])}

# Create a sorted list with the column names
sorted_cols = [c for c in sorted_dict.keys()]

# With .select() method we re-order the dataframe
df.select(sorted_cols).show()

---

这回答了你的问题吗？相关：非常感谢您的回复。但是，它在字典行“不支持的类文件主版本55”中显示了一个错误。我会试着把它修好。多谢各位much@Mus您正在使用Python2.x吗？因为我的实现是针对Python3.xf或Python2.x的，所以请看这篇文章：如果我的答案对您合适，您可以接受，如果您愿意：-）是的，我正在使用Python2.7。我试过python3，你的答案100%有效。再次感谢

#Based on your code
df=df.select([count(when(col(c).isNull(), c)).alias(c) for c in df.columns])

# Convert dataframe to dictionary (Python 3.x)
dict = list(map(lambda row: row.asDict(), df.collect()))[0]

# Create a dictionary with sorted values based on keys
sorted_dict={k: v for k, v in sorted(dict.items(), key=lambda item: item[1])}

# Create a sorted list with the column names
sorted_cols = [c for c in sorted_dict.keys()]

# With .select() method we re-order the dataframe
df.select(sorted_cols).show()