Question

我的数据框如下所示

type   f1   f2  value 

1      a    xy    11

2      b    ab    13

3      c    na    16

3      c    dir    18

3      c    ls    23

我必须删除某些与下一行匹配的上一行

例如从上表中，当类型为== type（row-1）&& f1 == f1（row-1）&& abs（value-value（row-1））的列字段<2时，条件匹配，我想删除上一行。

所以我的桌子应该在下面

type   f1   f2  value 

1      a    xy    11

2      b    ab    13

3      c    dir   18

3      c    ls    30

我认为我们可以利用滞后或超前特征，但不能获得确切的逻辑

Answer 1

是的，可以使用.lead()

import org.apache.spark.sql.expressions._
//define window specification
val windowSpec = Window.partitionBy($"type",$"f1").orderBy($"type")

val inputDF = sc.parallelize(List((1,"a","xy",11),(2,"b","ab",13),(3,"c","na",16),(3,"c","dir",18),(3,"c","ls",23))).toDF("type","f1","f2","value")

inputDF.withColumn("leadValue",lead($"value",1).over(windowSpec))
  .withColumn("result", when(abs($"leadValue" - $"value") <= 2, 1).otherwise(0)) //check for condition
  .filter($"result" === 0)      //filter the rows
  .drop("leadValue","result") //remove additional columns
  .orderBy($"type")
  .show

输出：

+----+---+---+-----+
|type| f1| f2|value|
+----+---+---+-----+
|   1|  a| xy|   11|
|   2|  b| ab|   13|
|   3|  c|dir|   18|
|   3|  c| ls|   23|
+----+---+---+-----+

在这里，我们已经按type和f1进行了分区，因此我们不需要检查它们的相等性条件

在某些条件匹配的情况下基于新行火花删除前一行

1 个答案: