PySpark:TypeError:“行”对象不支持项目分配
Posted
技术标签:
【中文标题】PySpark:TypeError:“行”对象不支持项目分配【英文标题】:PySpark: TypeError: 'Row' object does not support item assignment 【发布时间】:2016-06-08 22:14:16 【问题描述】:我使用以下代码将 DataFrame 行中的 None
值替换为空字符串:
def replaceNone(row):
row_len = len(row)
for i in range(0, row_len):
if row[i] is None:
row[i] = ""
return row
在我的 pyspark 代码中:
data_out = df.rdd.map(lambda row : replaceNone(row)).map(
lambda row : "\t".join( [x.encode("utf-8") if isinstance(x, basestring) else str(x).encode("utf-8") for x in row])
)
然后我得到以下错误:
File "<ipython-input-10-8e5d8b2c3a7f>", line 1, in <lambda>
File "<ipython-input-2-d1153a537442>", line 6, in replaceNone
TypeError: 'Row' object does not support item assignment
有人知道这个错误吗?如何将一行中的“无”值替换为空字符串?谢谢!
【问题讨论】:
试试df.replace('None',' ')
。
【参考方案1】:
Row
是tuple
的子类,Python 中的tuples
是不可变的,因此不支持项目分配。如果你想替换存储在元组中的项目,你必须从头开始重建它:
## replace "" with placeholder of your choice
tuple(x if x is not None else "" for x in row)
如果您想简单地连接平面架构,将 null 替换为空字符串,您可以使用 concat_ws
:
from pyspark.sql.functions import concat_ws
df.select(concat_ws("\t", *df.columns)).rdd.flatMap(lambda x: x)
要准备输出,使用spark-csv
并指定nullValue
、delimiter
和quoteMode
更有意义。
【讨论】:
以上是关于PySpark:TypeError:“行”对象不支持项目分配的主要内容,如果未能解决你的问题,请参考以下文章
Pyspark UDF - TypeError:“模块”对象不可调用
PySpark / Glue:PicklingError:无法序列化对象:TypeError:无法腌制thread.lock对象
pyspark pandas 对象作为数据框 - TypeError
PySpark:TypeError:StructType 不能接受类型为 <type 'unicode'> 或 <type 'str'> 的对象