Spark数据框不添加具有空值的列
Posted
技术标签:
【中文标题】Spark数据框不添加具有空值的列【英文标题】:Spark dataframe not adding columns with null values 【发布时间】:2018-10-18 01:47:47 【问题描述】:我正在尝试通过在我的数据框中添加两个现有列来创建一个新列。
原始数据框
╔══════╦══════╗
║ cola ║ colb ║
╠══════╬══════╣
║ 1 ║ 1 ║
║ null ║ 3 ║
║ 2 ║ null ║
║ 4 ║ 2 ║
╚══════╩══════╝
派生列的预期输出
╔══════╦══════╦══════╗
║ cola ║ colb ║ colc ║
╠══════╬══════╬══════╣
║ 1 ║ 1 ║ 2 ║
║ null ║ 3 ║ 3 ║
║ 2 ║ null ║ 2 ║
║ 4 ║ 2 ║ 6 ║
╚══════╩══════╩══════╝
当我使用 df = df.withColumn('colc',df.cola+df.colb) 时,它不会添加具有空值的列。
我得到的输出是:
╔══════╦══════╦══════╗
║ cola ║ colb ║ colc ║
╠══════╬══════╬══════╣
║ 1 ║ 1 ║ 2 ║
║ null ║ 3 ║ null ║
║ 2 ║ null ║ null ║
║ 4 ║ 2 ║ 6 ║
╚══════╩══════╩══════╝
有没有办法将空值合并到计算中。任何帮助将不胜感激。
【问题讨论】:
【参考方案1】:您可以合并为 0 以获得总和。 对于两列都为空的情况,您可以使用条件函数。
对于您的情况,代码应该类似于
df.selectExpr('*', 'if(isnull(cola) and isnull(colb), null, coalesce(cola, 0) + coalesce(colb, 0)) as colc')
【讨论】:
【参考方案2】:使用coalesce
函数将null
替换为0
,然后将两列相加;用selectExpr
和sql语法:
df.selectExpr('*', 'coalesce(cola, 0) + coalesce(colb, 0) as colc')
【讨论】:
这会在将 2 个空值相加时添加输出 0,例如。 null+null = 0。有没有办法使输出为空,例如。空+空=空 用case when
添加条件:df.selectExpr('*', 'case when cola is null and colb is null then null else coalesce(cola, 0) + coalesce(colb, 0) end as colc')
我有一个 column_list 并且想要执行相同的操作。该怎么做?以上是关于Spark数据框不添加具有空值的列的主要内容,如果未能解决你的问题,请参考以下文章
使用 Java 在 Spark Data Frame 中添加空值列