PySpark Dataframes：如何使用紧凑代码在多种条件下进行过滤？-Java 学习之路

如果我有一个列名列表，并且如果这些列的值大于零，我想对行进行过滤，是否可以执行类似的操作？

columns = ['colA','colB','colC','colD','colE','colF']
new_df = df.filter(any([df[c]>0 for c in columns]))

ValueError：无法将列转换为布尔值：请对“和”，“ |”使用“＆”构建 DataFrame 布尔表达式时为'or'，为'~'为'not'

我想我只能将这些列和过滤器加到一个列上(因为我没有负数。但是如果我有 sum-trick 就行不通。无论如何，如果我不得不在不同于该列的另一种条件下过滤这些列总之，我该怎么做我想做的事？

1 回答

您可以改用or_运算符：

from operator import or_
from functools import reduce

newdf = df.where(reduce(or_, (df[c] > 0 for c in df.columns)))

**编辑：**更多 pythonista 解决方案：

from pyspark.sql.functions import lit

def any_(*preds):
    cond = lit(False)
    for pred in preds:
        cond = cond | pred
    return cond

newdf = df.where(any_(*[df[c] > 0 for c in df.columns]))

**编辑 2：**完整示例：

Welcome to
      ____              __
     / __/__  ___ _____/ /__
    _\ \/ _ \/ _ `/ __/  '_/
   /__ / .__/\_,_/_/ /_/\_\   version 2.1.0-SNAPSHOT
      /_/

Using Python version 3.5.1 (default, Dec  7 2015 11:16:01)
SparkSession available as 'spark'.

In [1]: from pyspark.sql.functions import lit

In [2]: %pas
%paste     %pastebin  

In [2]: %paste
def any_(*preds):
    cond = lit(False)
    for pred in preds:
        cond = cond | pred
    return cond

## -- End pasted text --

In [3]: df = sc.parallelize([(1, 2, 3), (-1, -2, -3), (1, -1, 0)]).toDF()

In [4]: df.where(any_(*[df[c] > 0 for c in df.columns])).show()
# +---+---+---+
# | _1| _2| _3|
# +---+---+---+
# |  1|  2|  3|
# |  1| -1|  0|
# +---+---+---+

In [5]: df[any_(*[df[c] > 0 for c in df.columns])].show()
# +---+---+---+
# | _1| _2| _3|
# +---+---+---+
# |  1|  2|  3|
# |  1| -1|  0|
# +---+---+---+

In [6]: df.show()
# +---+---+---+
# | _1| _2| _3|
# +---+---+---+
# |  1|  2|  3|
# | -1| -2| -3|
# |  1| -1|  0|
# +---+---+---+

回复于 2024-04-25T09:23:30+08:00

PySpark Dataframes：如何使用紧凑代码在多种条件下进行过滤？

1 回答

相关问题