Python 如何使用自定义udf实现对列进行四舍五入_Python_Pyspark_User Defined Functions_Floor_Ceil

Python 如何使用自定义udf实现对列进行四舍五入

python pyspark

Python 如何使用自定义udf实现对列进行四舍五入,python,pyspark,user-defined-functions,floor,ceil,Python,Pyspark,User Defined Functions,Floor,Ceil,我有一个pyspark数据帧，如： +-------------------+ | to_return_day| +-------------------+ | -2.003125| | -20.96738425925926| | -2.332546296296296| | -2.206770833333333| |-2.9733564814814817| | 54.71157407407407| | 51.70229166666667| |48.6663541666

我有一个pyspark数据帧，如：

+-------------------+
|      to_return_day|
+-------------------+
|          -2.003125|
| -20.96738425925926|
| -2.332546296296296|
| -2.206770833333333|
|-2.9733564814814817|
| 54.71157407407407|
| 51.70229166666667|
|48.666354166666665|
| 9.665497685185185|
| 49.56260416666667|
| 66.68983796296297|
| 49.80550925925926|
|  66.6899074074074|

我想用一个udf来实现“to_return_day”>0时的四舍五入，以及“to_return_day”时的向下四舍五入。我可能还没有完全理解Q OP发布的内容。据我所知，OP想要的输出是-

1）对于正值（大于等于0），取该数值上方最接近的整数值，例如：；对于2.34，它将是3

2）对于负值，为该数值以下的最近整数值，例如；对于-2.34，它将是-3

# Creating the DataFrame
values = [(-2.003125,),(-20.96738425925926,),(-2.332546296296296,),(-2.206770833333333,),
          (-2.9733564814814817,),(54.71157407407407,),(51.70229166666667,),(48.666354166666665,),
          (9.665497685185185,),(49.56260416666667,),(66.68983796296297,),(49.80550925925926,),
          (66.6899074074074,),]
df = sqlContext.createDataFrame(values,['to_return_day',])
df.show()
+-------------------+
|      to_return_day|
+-------------------+
|          -2.003125|
| -20.96738425925926|
| -2.332546296296296|
| -2.206770833333333|
|-2.9733564814814817|
|  54.71157407407407|
|  51.70229166666667|
| 48.666354166666665|
|  9.665497685185185|
|  49.56260416666667|
|  66.68983796296297|
|  49.80550925925926|
|   66.6899074074074|
+-------------------+

当使用简单的

语句时，如果else

语句足够，则无需创建

UDF

# Importing relevant functions
from pyspark.sql.functions import ceil, floor, when
df = df.withColumn('to_return_day',when(col('to_return_day') >=0 , ceil(col('to_return_day'))).otherwise(floor(col('to_return_day'))))
df.show()
+-------------+
|to_return_day|
+-------------+
|           -3|
|          -21|
|           -3|
|           -3|
|           -3|
|           55|
|           52|
|           49|
|           10|
|           50|
|           67|
|           50|
|           67|
+-------------+

文件：和

如果您只希望使用

UDF

，那么下面的代码将起作用

# Import relevant functions and packages.
from pyspark.sql.functions import udf, col
import math
# Defining a UDF
def round_udf(c):
    if c < 0:
        return math.floor(c)
    else:
        return math.ceil(c)

round_udf = udf(round_udf,IntegerType())

df = df.withColumn('to_return_day',round_udf(col('to_return_day')))

#导入相关函数和包。
从pyspark.sql.functions导入udf，col
输入数学
#定义自定义项
def圆形_udf（c）：
如果c<0：
返回数学楼层（c）
其他：
return math.ceil（c）
round\u udf=udf（round\u udf，IntegerType（））
df=df.withColumn（'to\u return\u day'，round\u udf（col（'to\u return\u day'））

我可能没有完全理解Q OP发布的内容。据我所知，OP想要的输出是-