Question

我有如下所示的数据框

+---+---+---+
| t1| t2|t3 |
+---+---+---+
|0  |1  |0  |
+---+---+---+

我想将每一列与另一列进行比较。

例如t1列值0和t2列值是1，t1 and t2组合列是1。

我们必须对所有列对应用logical oR。

我的预期输出如下：

+----+---+---+---+
|t123| t1|t2 | t3|
+----+---+---+---+
|t1  |0  |1  |0  |
|t2  |1  |0  |1  |
|t2  |0  |1  |0  |
+----+---+---+---+

请帮助我。

Answer 1

尝试一下

cols=df.columns
n=len(cols)
df1=pd.concat([df]*n,ignore_index=True).eq(1)
df2= pd.concat([df.T]*n,axis=1,ignore_index=True).eq(1)
df2.columns=cols
df2=df2.reset_index(drop=True)
print (df1|df2).astype(int)

说明：

根据需要将df1转换为逻辑df
通过转置将df2转换为逻辑df
在两个df中执行逻辑或

输出：

   t1  t2  t3
0   0   1   0
1   1   1   1
2   0   1   0

Answer 2

对于pyspark，您可以创建一个空的df，然后根据列将其插入循环中。以下不仅适用于3列，而且适用于更多列

>>> import pyspark.sql.functions as F
>>> 
>>> df1 = spark.createDataFrame(sc.emptyRDD(), df.schema)
>>> df.show()
+---+---+---+
| t1| t2| t3|
+---+---+---+
|  0|  1|  0|
+---+---+---+

>>> df1 = spark.createDataFrame(sc.emptyRDD(), df.schema)
>>> df1 = df1.select(F.lit('').alias('t123'), F.col('*'))
>>> df1.show()
+----+---+---+---+
|t123| t1| t2| t3|
+----+---+---+---+
+----+---+---+---+

>>> for x in df.columns: 
...     mydf = df.select([(F.when(df[i]+df[x]==1,1).otherwise(0)).alias(i) for i in df.columns])
...     df1 = df1.union(mydf.select(F.lit(x).alias('t123'), F.col('*')))
... 
>>> df1.show()
+----+---+---+---+
|t123| t1| t2| t3|
+----+---+---+---+
|  t1|  0|  1|  0|
|  t2|  1|  0|  1|
|  t3|  0|  1|  0|
+----+---+---+---+

如何在pyspark中使用udf比较成对的列？

2 个答案: