Spark数据帧过滤空值和空格

Question

我有一个火花数据帧，我需要为特定列过滤空值和空格。

让我们说数据框有两列。 col2既有空值也有空格。

col1   col2
1      abc
2      null
3      null
4   
5      def

我想在将col2作为空值或空格的记录中应用过滤器。 任何人都可以帮忙解决这个问题。

版本： Spark1.6.2 Scala 2.10

Answer 1

标准逻辑运算符在Spark Column上定义：

scala> val myDF = Seq((1, "abc"),(2,null),(3,null),(4, ""),(5,"def")).toDF("col1", "col2")
myDF: org.apache.spark.sql.DataFrame = [col1: int, col2: string]

scala> myDF.show
+----+----+
|col1|col2|
+----+----+
|   1| abc|
|   2|null|
|   3|null|
|   4|    |
|   5| def|
+----+----+


scala> myDF.filter(($"col2" =!= "") && ($"col2".isNotNull)).show
+----+----+
|col1|col2|
+----+----+
|   1| abc|
|   5| def|
+----+----+

注意：根据您的Spark版本，您需要!==或=!=（后者是更新的选项）。

如果您要满足n条件，我可能会使用列表来减少布尔列：

val conds = List(myDF("a").contains("x"), myDF("b") =!= "y", myDF("c") > 2)

val filtered = myDF.filter(conds.reduce(_&&_))