栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

使用列的长度过滤DataFrame

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

使用列的长度过滤DataFrame

在Spark> =
1.5中,您可以使用

size
功能:

from pyspark.sql.functions import col, sizedf = sqlContext.createDataframe([    (["L", "S", "Y", "S"],  ),    (["L", "V", "I", "S"],  ),    (["I", "A", "N", "A"],  ),    (["I", "L", "S", "A"],  ),    (["E", "N", "N", "Y"],  ),    (["E", "I", "M", "A"],  ),    (["O", "A", "N", "A"],  ),    (["S", "U", "S"],  )],     ("tokens", ))df.where(size(col("tokens")) <= 3).show()## +---------+## |   tokens|## +---------+## |[S, U, S]|## +---------+

在Spark <1.5中,UDF应该可以解决问题:

from pyspark.sql.types import IntegerTypefrom pyspark.sql.functions import udfsize_ = udf(lambda xs: len(xs), IntegerType())df.where(size_(col("tokens")) <= 3).show()## +---------+## |   tokens|## +---------+## |[S, U, S]|## +---------+

如果您使用的

HiveContext
size
UDF与原始的SQL应与任何版本:

df.registerTempTable("df")sqlContext.sql("SELECt * FROM df WHERe size(tokens) <= 3").show()## +--------------------+## |   tokens|## +--------------------+## |ArrayBuffer(S, U, S)|## +--------------------+

对于字符串列,可以使用

udf
上面的定义或
length
函数:

from pyspark.sql.functions import lengthdf = sqlContext.createDataframe([("fooo", ), ("bar", )], ("k", ))df.where(length(col("k")) <= 3).show()## +---+## |  k|## +---+## |bar|## +---+


转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/624293.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号