PySpark使用其他列

Question

我想将一列中的空值替换为相邻列中的值，例如，如果我有

A|B
0,1
2,null
3,null
4,2

我希望它是：

A|B
0,1
2,2
3,3
4,2

尝试

df.na.fill(df.A,"B")

但是没有用，它说值应该是float，int，long，string或dict

有什么想法吗？

Answer 1

最后找到了另一种选择：

df.withColumn("B",coalesce(df.B,df.A)) 

Answer 2

另一个答案。

如果您的数据框下面有df1

rd1 = sc.parallelize([(0,1), (2,None), (3,None), (4,2)])
df1 = rd1.toDF(['A', 'B'])

from pyspark.sql.functions import when
df1.select('A',
           when( df1.B.isNull(), df1.A).otherwise(df1.B).alias('B')
          )\
   .show()

Answer 3

df.rdd.map(lambda row: row if row[1] else Row(a=row[0],b=row[0])).toDF().show()