将 PySpark 数据框的列与标量相乘
Posted
技术标签:
【中文标题】将 PySpark 数据框的列与标量相乘【英文标题】:Multiply column of PySpark dataframe with scalar 【发布时间】:2019-10-18 00:38:03 【问题描述】:我想将 PySpark 数据帧(例如 df
)的一列(例如 x3
)与标量(例如 0.1
)相乘。以下是我拥有的数据框示例:
df = sqlContext.createDataFrame(
[(1, "a", 1551.0), (3, "B", 1925.0)], ("x1", "x2", "x3"))
df.show()
+---+---+----+
| x1| x2| x3|
+---+---+----+
| 1| a| 5.0|
| 3| B|21.0|
+---+---+----+
以下是我目前正在尝试的:
df_new = df.withColumn( "norm_x3", 0.1*F.col( "x3") )
df_new = df_new.select( [c for c in df_new.columns if c not in 'x3'] )
我在上面尝试的方法给出了预期的输出:
+---+---+-------+
| x1| x2|norm_x3|
+---+---+-------+
| 1| a| 0.5|
| 3| B| 2.1|
+---+---+-------+
有没有更优雅、更简洁的方法来做同样的事情?谢谢。
【问题讨论】:
【参考方案1】:最优雅的方式就是使用drop
:
df_new = df.withColumn("norm_x3", 0.1*F.col( "x3")).drop("x3")
或者,您也可以使用withColumnRenamed
,但不太可取,因为您正在重载“x3”并且将来可能会导致混乱:
df_new = df.withColumn("x3", 0.1*F.col( "x3")).withColumnRenamed("x3", "norm_x3")
【讨论】:
【参考方案2】:这是一种在一行中完成的方法:
df.select([(df[c] * 0.1).alias('norm_x3') if c == 'x3' else df[c] for c in df.columns]
或者:
df.selectExpr('*', 'x3 * 0.1 as normal_x3').drop('x3')
【讨论】:
绝妙的答案,Psidom。谢谢。以上是关于将 PySpark 数据框的列与标量相乘的主要内容,如果未能解决你的问题,请参考以下文章
将 MultiIndex Pandas 数据帧乘以来自另一个数据帧的多个标量