我最近从数据库接收到一个.csv数据帧,该数据库应该返回4列但实际上返回8。当我检查时,我发现已经添加了一些列,因为它看起来像是属于该字符串的字符串。第四列中有换行符。
换句话说,我看到这样的东西:
import org.apache.spark.sql.types.IntegerType
df.withColumn("a", lit("1").cast(IntegerType)).show()
与此相反:
#LandingButtons{ text-align: center; Margin: 0 auto; }
是否有一种有效的方法可以将以换行结尾的列与右侧的列合并?
答案 0 :(得分:1)
步骤1:
首先,您需要提取'D'
列,该列已拆分并放置在每行非空值的末尾。此外,'D'
中的每个值都应从其当前位置中删除。您可以使用这样的循环来做到这一点:
import pandas as pd
D_col = []
for i,row in df.iterrows():
# get the index of the last non-empty/null value in the row
d_idx = next(j for j,x in reversed(list(enumerate(row))) if x)
# put the value at that index in D_col
D_col.append(row[d_idx])
# replace that value with ''
row.iloc[d_idx] = ''
这将从您的DataFrame中删除some_date
值,并将它们放在列表D_col
中。
步骤2:
现在,您可以使用str.replace
删除斜杠,并使用str.cat
合并列。这是一个示例:
from functools import reduce
columns_to_join = ['C', 'D', 'e1', 'e2', 'e3']
# first remove the slashes
cleaned_columns = [df[col].fillna('').str.replace('\\', '') for col in columns_to_join]
# create an empty Series to start reduce with
empty_series = pd.Series(['' for _ in range(len(df))])
# iterate over the cleaned columns and join them (using str.cat) into one column
C_col = reduce(lambda acc, col: acc.str.cat(col.fillna('')), cleaned_columns, empty_series)
第3步: 将所有这些整合到一个最终的DataFrame中。方法如下:
new_df = pd.DataFrame(df[['A', 'B']])
new_df['C'] = C_col
new_df['D'] = D_col