Question

我有一个PySpark Dataframe，它有两列Id和rank，

+---+----+
| Id|Rank|
+---+----+
|  a|   5|
|  b|   7|
|  c|   8|
|  d|   1|
+---+----+

对于每一行，我都希望用＆＃34;其他＆＃34;替换Id。如果Rank大于5。

如果我使用伪代码来解释：

For row in df:
  if row.Rank>5:
     then replace(row.Id,"other")

结果应如下，

+-----+----+
|   Id|Rank|
+-----+----+
|    a|   5|
|other|   7|
|other|   8|
|    d|   1|
+-----+----+

任何线索如何实现这一目标？感谢!!!

要创建此Dataframe：

df = spark.createDataFrame([('a',5),('b',7),('c',8),('d',1)], ["Id","Rank"])

Answer 1

您可以使用fyear ch conm sale ipodate sg 0 1996 51.705 AAR CORP 589.328 NaN Nan 1 1997 17.222 AAR CORP 782.123 NaN 32.71438 2 1998 8.250 AAR CORP 918.036 NaN Nan和when之类的 -

otherwise

这会将输出显示为 -

from pyspark.sql.functions import *

df\
.withColumn('Id_New',when(df.Rank <= 5,df.Id).otherwise('other'))\
.drop(df.Id)\
.select(col('Id_New').alias('Id'),col('Rank'))\
.show()

Answer 2

从@Pushkr解决方案开始，您不能只使用以下内容吗？

from pyspark.sql.functions import *

df.withColumn('Id',when(df.Rank <= 5,df.Id).otherwise('other')).show()

PySpark：当另一个列值满足条件时修改列值

2 个答案: