使用圆形函数转换 pyspark 数据框列不起作用（pyspark）

Posted 2023-03-31

【中文标题】使用圆形函数转换 pyspark 数据框列不起作用（pyspark）

【英文标题】：Transforming pyspark data frame column with round function not working (pyspark)

【发布时间】：2019-07-09 15:44:58

【问题描述】：

我想创建一个火花数据框的新列，其中包含已存在列的四舍五入值。 “em”列的类型是浮点数。

我已经检查了各种帖子，但无法弄清楚。包括以下链接：Trouble With Pyspark Round Function

这是我的代码：

import pyspark.sql.functions as f
df = df.withColumn("rounded", f.round(f.col("em"), 3))
df.show()

新生成的列“rounded”与原始列“em”完全相同。我正在 Cloudera 集群上的 Zeppelin Notebook 中使用 pyspark 2.3.0 版。

更新：

尝试了以下方法：

%pyspark
s2_em = s2.select('em')
print "Datatype:", type(s2_em)
s2_em.printSchema()
s2_em = s2_em.withColumn('rounded', f.round(f.col('em'), 3))
s2_em = s2_em.withColumn('plus', f.col('em') + f.col('rounded'))
s2_em = s2_em.withColumn('minus', f.col('em') - f.col('rounded'))
s2_em = s2_em.withColumn('multiplication', f.col('em') * f.col('rounded'))
s2_em.limit(5).show()

这会产生以下结果，但四舍五入仍然不起作用。还有其他提示吗？：

Datatype: <class 'pyspark.sql.dataframe.DataFrame'>
root |-- em: float (nullable = true)
+------------+------------+------------+-----+--------------+
|          em|     rounded|        plus|minus|multiplication|
+------------+------------+------------+-----+--------------+
|1.14209626E9|1.14209626E9|2.28419251E9| 0.0|   1.3043839E18|
|1.25046528E9|1.25046528E9|2.50093056E9| 0.0|  1.56366345E18|
| 9.5720672E8| 9.5720672E8|1.91441344E9| 0.0|   9.1624469E17|
| 1.1392649E9| 1.1392649E9|2.27852979E9| 0.0|  1.29792455E18|
|1.29539699E9|1.29539699E9|2.59079398E9| 0.0|  1.67805334E18|
+------------+------------+------------+-----+--------------+

【问题讨论】：

df = df.withColumn("rounded", f.round(f.col("em"), 3)).show()中的显示不正确，你必须删除它

【参考方案1】：

用相同的代码做了一个测试，它运行完美，见下面的例子：

import pyspark.sql.functions as f
from pyspark import Row
from pyspark.shell import spark

df = spark.createDataFrame([
    Row(em=3.45631),
    Row(em=2.82945),
    Row(em=7.76261),
    Row(em=2.76790)
])

df = df.withColumn('rounded', f.round(f.col('em'), 3))
df.show()

输出：

+-------+-------+                                                               
|     em|rounded|
+-------+-------+
|3.45631|  3.456|
|2.82945|  2.829|
|7.76261|  7.763|
| 2.7679|  2.768|
+-------+-------+

更新

其实它的浮点值包含指数E9和E8。例如，值1.14209626E9 等于1142096260。

要将它们四舍五入，需要将值除以1e9，然后调用round函数。

请看下面的例子：

import pyspark.sql.functions as f
from pyspark import Row
from pyspark.shell import spark

df = spark.createDataFrame([
    Row(em=1.14209626E9),
    Row(em=1.25046528E9),
    Row(em=9.5720672E8)
])

df = df.withColumn('rounded', (f.round(f.col('em') / 1e9, 3)) * 1e9)
df.show()

输出：

+------------+-------+
|          em|rounded|
+------------+-------+
|1.14209626E9|1.142E9|
|1.25046528E9| 1.25E9|
| 9.5720672E8| 9.57E8|
+------------+-------+

【讨论】：

嗨@Kafels，谢谢你的例子，如果我运行你的代码，它工作得很好。但是：如果我尝试为我自己的数据框运行它，它仍然无法正常工作。我正在研究 Zeppelin Notebook。也许我的数据框有问题，“em”列不会四舍五入。我只是尝试用 + 创建另一个列，并且有效。是不是使用了round()函数的pyspark实现？