假设我有以下数据
+--------------------+-----+--------------------+
| values|count| values2|
+--------------------+-----+--------------------+
| aaaaaa| 249| null|
| bbbbbb| 166| b2|
| cccccc| 1680| something|
+--------------------+-----+--------------------+
所以,如果有一个空值在values2
列如何分配values1
列给它?所以结果应该是:
+--------------------+-----+--------------------+
| values|count| values2|
+--------------------+-----+--------------------+
| aaaaaa| 249| aaaaaa|
| bbbbbb| 166| b2|
| cccccc| 1680| something|
+--------------------+-----+--------------------+
我想到了下面的一些东西,但它不起作用:
df.na.fill({"values2":df['values']}).show()
我找到了这个方法来解决它,但应该有一些更明确的向前:
def change_null_values(a,b):
if b:
return b
else:
return a
udf_change_null = udf(change_null_values,StringType())
df.withColumn("values2",udf_change_null("values","values2")).show()
您可以使用https://spark.apache.org/docs/1.6.2/api/python/pyspark.sql.html#pyspark.sql.functions.coalesce
df.withColumn('values2', coalesce(df.values2, df.values)).show()
跟进@shadow_dev的方法:
df.withColumn("values2",
when(col("values2").isNull(), col("values1"))
.otherwise(col("values2")))
Dmytro Popovych的解决方案仍然是最干净的。
如果需要更多的花哨/否则逻辑:
df.withColumn("values2", when(col("values2").isNull() | col("values3").isNull(), col("values1"))
.when(col("values1") == col("values2"), 1)
.otherwise(0))
可以使用列属性.isNull()
df.where(col("dt_mvmt").isNull())
df.where(col("dt_mvmt").isNotNull())
这个答案来自于这个答案——我只是没有足够的声誉来添加评论。