我目前有一个RDD,其中有两列是
<script>
$(document).ready(function() {
$("#loading").fadeOut(200);
$("#divtoshow").fadeIn(200);
});
</script>
我想将它们转换为二进制响应变量,其中1表示夜间时间,0表示白天时间。
我知道我们可以使用Row(pickup_time=datetime.datetime(2014, 2, 9, 14, 51)
dropoff_time=datetime.datetime(2014, 2, 9, 14, 58)
创建一个函数,将其更改为所需的格式。
例如我有另一列是一个字符串,它将付款类型指定为'CSH'或'CRD',所以我能够解决这个问题
UserDefinedFunction
我如何对我提出的问题应用同样的逻辑?如果它有助于我尝试转换这些变量,因为我将运行决策树。
答案 0 :(得分:1)
这里不需要UDF。您可以使用between
并输入信息:
from pyspark.sql.functions import hour
def in_range(colname, lower_bound=6, upper_bound=17):
"""
:param colname - Input column name (str)
:lower_bound - Lower bound for day hour (int, 0-23)
:upper_bound - Upper bound for day hour (int, 0-23)
"""
assert 0 <= lower_bound <= 23
assert 0 <= upper_bound <= 23
if lower_bound < upper_bound:
return hour(colname).between(lower_bound, upper_bound).cast("integer")
else:
return (
(hour(colname) >= lower_bound) |
(hour(colname) <= upper_bound)
).cast("integer")
使用示例:
df = sc.parallelize([
Row(
pickup_time=datetime.datetime(2014, 2, 9, 14, 51),
dropoff_time=datetime.datetime(2014, 2, 9, 14, 58)
),
Row(
pickup_time=datetime.datetime(2014, 2, 9, 19, 51),
dropoff_time=datetime.datetime(2014, 2, 9, 1, 58)
)
]).toDF()
(df
.withColumn("dropoff_during_day", in_range("dropoff_time"))
# between 6pm and 5am
.withColumn("pickpup_during_night", in_range("pickup_time", 18, 5)))
+--------------------+--------------------+------------------+--------------------+
| dropoff_time| pickup_time|dropoff_during_day|pickpup_during_night|
+--------------------+--------------------+------------------+--------------------+
|2014-02-09 14:58:...|2014-02-09 14:51:...| 1| 0|
|2014-02-09 01:58:...|2014-02-09 19:51:...| 0| 1|
+--------------------+--------------------+------------------+--------------------+