检查列是不是具有正确的十进制数
Posted
技术标签:
【中文标题】检查列是不是具有正确的十进制数【英文标题】:Checking whether a column has proper decimal number检查列是否具有正确的十进制数 【发布时间】:2017-10-06 05:16:19 【问题描述】:我有一个数据框(input_dataframe),如下所示:
id test_column
1 0.25
2 1.1
3 12
4 test
5 1.3334
6 .11
我想添加一列 result,如果 test_column 具有 十进制值,则输入值 1 并且0 如果 test_column 有任何其他值。 test_column 的数据类型是字符串。以下是预期的输出:
id test_column result
1 0.25 1
2 1.1 1
3 12 0
4 test 0
5 1.3334 1
6 .11 1
我们可以使用 pySpark 代码来实现吗?
【问题讨论】:
【参考方案1】:您可以使用decimal.Decimal()
解析十进制标记
这里我们将代码绑定到 UDF 中,然后使用 df.withColumn
import decimal
from pyspark.sql.types import IntType
def is_valid_decimal(s):
try:
# return (0 if decimal.Decimal(val) == int(decimal.Decimal(val)) else 1)
return (0 if decimal.Decimal(val)._isinteger() else 1)
except decimal.InvalidOperation:
return 0
# register the UDF for usage
sqlContext.udf.register("is_valid_decimal", is_valid_decimal, IntType())
# Using the UDF
df.withColumn("result", is_valid_decimal("test_column"))
【讨论】:
此解决方案不适用于十进制值。十进制(“12”),在这种情况下它应该返回 0。 哦。我没有检查!我现在更新了答案。 @rajatsaxena 它与上述场景完美匹配,只是想检查我们是否可以找到值 12.0 的解决方案,在这种情况下,它应该被视为十进制,但当前的解决方案无法将其识别为十进制。 @mrsrinivas 这看起来不适合我,我收到AttributeError: 'decimal.Decimal' object has no attribute '_isinteger'
你使用的是哪个版本的 pyspark 以及哪个 python 版本,我使用的是最新的 spark2.2 和 python3.6.3 版本。
python版本为2.7.2以上是关于检查列是不是具有正确的十进制数的主要内容,如果未能解决你的问题,请参考以下文章