我在PySpark DataFrame中有两列,我想在填充空值(而不是就位)后采用这两列的比率。目前,我的DataFrame如下所示:
+----+----+---+----+----+----+----+
|Acct| M1D|M1C| M2D| M2C| M3D| M3C|
+----+----+---+----+----+----+----+
| B| 10|200|null|null| 20|null|
| C|1000|100| 10|null|null|null|
| A| 100|200| 200| 200| 300| 10|
+----+----+---+----+----+----+----+
我想要的输出如下:
+------+------+-----+------+------+------+------+-------+
| Acct | M1D | M1C | M2D | M2C | M3D | M3C | Ratio |
+------+------+-----+------+------+------+------+-------+
| B | 10 | 200 | null | null | 20 | null | 0 |
| C | 1000 | 100 | 10 | null | null | null | 10 |
| A | 100 | 200 | 200 | 200 | 300 | 10 | 20 |
+------+------+-----+------+------+------+------+-------+
我想使用M2D
与M3C
的比率来创建新列Ratio
。在获取比率之前,我想用M2D
填充0
并用M3C
填充1
,这是为了避免空值和避免就地替换值而进行的。< / p>
我尝试通过使用以下代码来做到这一点。
df = df.withColumn('Ratio', col('M2D').fillna(0, subset=['M2D']) / col('M3C').fillna(1, subset=['M3C']))
上面的代码给了我以下错误
TypeError: 'Column' object is not callable
如上错误所述,为了避免TypeError,我尝试了以下代码行。我现在使用的是DataFrame,而不是列。
df = df.withColumn('Ratio', df.select('M2D').fillna(0, subset=['M2D']) / df.select('M3C').fillna(1, subset=['M3C']))
上面的代码导致以下错误。
TypeError: unsupported operand type(s) for /: 'DataFrame' and 'DataFrame'
如何获得所需的输出?
答案 0 :(得分:3)
在计算比率之前,应先填充空值,如下所示:
df = df.fillna(0, subset=['M2D'])\
.fillna(1, subset=['M3C'])\
.withColumn('Ratio', col('M2D') / col('M3C'))
或更简单的是,如果您只想避免计算中出现空值,请按以下方式使用coalesce
:
df = df.withColumn('Ratio', coalesce(col('M2D'), lit(0)) / coalesce(col('M3C'), lit(1)))