我正在尝试对我的数据帧执行融化操作。我已经尝试了下面的代码,但我得到了一个错误:
DataFrame对象没有属性熔化。请检查对象的拼写和/或数据类型。
df_pivot_jp = JP_ch.melt(id_vars=['c_id'], var_name='views_on_character', value_name='answer')
df_pivot_gj = GJ_ch.melt(id_vars=['c_id'], var_name='views_on_character', value_name='answer')
有人能告诉我我缺少的这个属性是什么吗?
输入数据帧:
from pyspark.sql import functions as F
JP_ch = spark.createDataFrame(
[('c1', 111, 1111),
('c2', 222, 2222),
('c3', 333, 3333)],
['c_id', 'col2', 'col3'])
Pandas的melt
返回这个:
JP_ch = JP_ch.toPandas()
df_pivot_jp = JP_ch.melt(id_vars=['c_id'], var_name='views_on_character', value_name='answer')
print(df_pivot_jp)
# c_id views_on_character answer
# 0 c1 col2 111
# 1 c2 col2 222
# 2 c3 col2 333
# 3 c1 col3 1111
# 4 c2 col3 2222
# 5 c3 col3 3333
在PySpark中,我会这样做:
to_melt = {c for c in JP_ch.columns if c not in ['c_id']}
new_names = '(views_on_character, answer)'
melt_list = [f"'{c}', `{c}`" for c in to_melt]
df = JP_ch.select(
*(set(JP_ch.columns) - to_melt),
F.expr(f"stack({len(melt_list)}, {','.join(melt_list)}) {new_names}")
)
df.show()
# +----+------------------+------+
# |c_id|views_on_character|answer|
# +----+------------------+------+
# | c1| col3| 1111|
# | c1| col2| 111|
# | c2| col3| 2222|
# | c2| col2| 222|
# | c3| col3| 3333|
# | c3| col2| 333|
# +----+------------------+------+