Python 将pyspark dataframe字符串列中的第一个数值获取到新列中
我有一个pyspark数据框,如下面的输入数据。我想创建一个新列product1\u num,将productname列中每条记录中的第一个数字解析为新列。我有下面的示例输出数据。就字符串拆分和正则表达式匹配而言,我不确定pyspark中提供了什么。有谁能建议如何使用pyspark进行此操作 输入数据:Python 将pyspark dataframe字符串列中的第一个数值获取到新列中,python,pyspark,pyspark-sql,pyspark-dataframes,Python,Pyspark,Pyspark Sql,Pyspark Dataframes,我有一个pyspark数据框,如下面的输入数据。我想创建一个新列product1\u num,将productname列中每条记录中的第一个数字解析为新列。我有下面的示例输出数据。就字符串拆分和正则表达式匹配而言,我不确定pyspark中提供了什么。有谁能建议如何使用pyspark进行此操作 输入数据: +------+-------------------+ |id |productname | +------+-------------------+ |234832|EX
+------+-------------------+
|id |productname |
+------+-------------------+
|234832|EXTREME BERRY SAUCE|
|419836|BLUE KOSHER SAUCE |
|350022|GUAVA (1G) |
|123213|GUAVA 1G |
+------+-------------------+
输出:
+------+-------------------+-------------+
|id |productname |product1_num |
+------+-------------------+-------------+
|234832|EXTREME BERRY SAUCE| |
|419836|BLUE KOSHER SAUCE | |
|350022|GUAVA (1G) |1 |
|123213|GUAVA G5 |5 |
|125513|3GULA G5 |3 |
|127143|GUAVA G50 |50 |
|124513|LAAVA C2L5 |2 |
+------+-------------------+-------------+
您可以使用
regexp\u extract
:
from pyspark.sql import functions as F
df.withColumn("product1_num", F.regexp_extract("productname", "([0-9]+)",1)).show()
+------+-------------------+------------+
| id| productname|product1_num|
+------+-------------------+------------+
|234832|EXTREME BERRY SAUCE| |
|419836| BLUE KOSHER SAUCE| |
|350022| GUAVA (1G)| 1|
|123213| GUAVA G5| 5|
|125513| 3GULA G5| 3|
|127143| GUAVA G50| 50|
|124513| LAAVA C2L5| 2|
+------+-------------------+------------+