如何在pyspark数据帧中过滤空值？

Posted 2021-04-06

假设我们有一个简单的数据帧：

from pyspark.sql.types import *

schema = StructType([
StructField('id', LongType(), False),
StructField('name', StringType(), False),
StructField('count', LongType(), True),
])
df = spark.createDataFrame([(1,'Alice',None), (2,'Bob',1)], schema)

问题是如何检测空值？我尝试了以下方法：

df.where(df.count == None).show()
df.where(df.count is 'null').show()
df.where(df.count == 'null').show()

它导致错误：

condition should be string or Column

我知道以下工作：

df.where("count is null").show()

但是有没有办法在没有完整字符串的情况下实现？即df.count ...？

答案

您可以使用Spark函数

from pyspark.sql import functions as F
df.where(F.isnull(F.col("count"))).show()

另一答案

另一种方法是使用filter api

from pyspark.sql import functions as F
df.filter(F.isnull("count")).show()