需要 Pyspark/Pandas 脚本来实现所需的结果 [关闭]

Posted 2023-04-15

【中文标题】需要 Pyspark/Pandas 脚本来实现所需的结果 [关闭]

【英文标题】：Need Pyspark/Pandas script to achieve required results [closed]

【发布时间】：2021-08-03 12:09:13

【问题描述】：

我有一个如下数据集：

我想得到以下结果：

请注意，这里我想按“id_alt_col”分组，选择 end_date=null 的 desc_col 并将其复制到 desc_col 的其余部分以获取所有重复的 id_alt_col 值。 我无法为此创建脚本.. 有人可以帮忙吗。！！ 谢谢。

【问题讨论】：

请不要将数据添加为图片

请阅读How to Ask和edit您的问题。实际上，听起来您希望我们为您编写代码，而这不是 *** 的重点。

【参考方案1】：

如果id_alt_col的每个值总是有空值，可以试试：

df['desc_col'] = df['id_alt_col'].map(df.groupby('id_alt_col').apply(lambda x: x.loc[x['end_date'].isna() | (x['end_date'] == 'null') , 'desc_col'].iloc[0]))

【参考方案2】：

在 Pyspark 中，我会做这样的事情：

from pyspark.sql import functions as F, Window as W

df.withColumn(
    "desc_col",
    F.first("desc_col").over(
        W.partitionBy("id_alt_col").orderBy(F.col("end_date").asc_nulls_first())
    ),
).show()
+------+--------+----------+---------+                                          
|id_col|desc_col|id_alt_col| end_date|
+------+--------+----------+---------+
|     5|   desc5|       110|     null|
|     6|   desc6|       120|     null|
|     1|   desc1|       100|     null|
|     4|   desc1|       100| 4/7/2021|
|     3|   desc1|       100|6/10/2021|
|     2|   desc1|       100| 8/2/2021|
+------+--------+----------+---------+