如何选择以公共标签开头的所有列
Posted
技术标签:
【中文标题】如何选择以公共标签开头的所有列【英文标题】:how to select all columns that starts with a common label 【发布时间】:2016-05-22 06:59:57 【问题描述】:我在 Spark 1.6 中有一个数据框,想从中选择一些列。列名如下:
colA, colB, colC, colD, colE, colF-0, colF-1, colF-2
我知道我可以这样做来选择特定的列:
df.select("colA", "colB", "colE")
但是如何同时选择“colA”、“colB”和所有 colF-* 列?有没有像Pandas这样的方法?
【问题讨论】:
【参考方案1】:首先使用df.columns
获取列名,然后过滤到您想要.filter(_.startsWith("colF"))
的列名。这为您提供了一个字符串数组。但是选择需要select(String, String*)
。幸运的是,选择列是select(Column*)
,所以最后将字符串转换为.map(df(_))
的列,最后将列数组转换为: _*
的var arg。
df.select(df.columns.filter(_.startsWith("colF")).map(df(_)) : _*).show
这个过滤器可以做得更复杂(和 Pandas 一样)。然而,这是一个相当丑陋的解决方案(IMO):
df.select(df.columns.filter(x => (x.equals("colA") || x.startsWith("colF"))).map(df(_)) : _*).show
如果其他列的列表是固定的,您还可以将固定的列名数组与过滤后的数组合并。
df.select((Array("colA", "colB") ++ df.columns.filter(_.startsWith("colF"))).map(df(_)) : _*).show
【讨论】:
谢谢,但如何选择其他列,如问题中所述? 我的问题的确切解决方案来自您的第二个和第三个解决方案的混合...非常感谢,您完全掌握了这个主题 pyspark 中的任何即用型解决方案(python 不是 scala)?【参考方案2】:Python(在 Azure Databricks 中测试)
selected_columns = [column for column in df.columns if column.startswith("colF")]
df2 = df.select(selected_columns)
【讨论】:
【参考方案3】:在 PySpark 中,使用:colRegex 选择以 colF 开头的列 打样:
colA, colB, colC, colD, colE, colF-0, colF-1, colF-2
申请:
df.select(col("colA"), col("colB"), df.colRegex("`(colF)+?.+`")).show()
结果是:
colA, colB, colF-0, colF-1, colF-2
【讨论】:
【参考方案4】:我写了一个函数来做到这一点。阅读 cmets 以了解其工作原理。
/**
* Given a sequence of prefixes, select suitable columns from [[DataFrame]]
* @param columnPrefixes Sequence of prefixes
* @param dF Incoming [[DataFrame]]
* @return [[DataFrame]] with prefixed columns selected
*/
def selectPrefixedColumns(columnPrefixes: Seq[String], dF: DataFrame): DataFrame =
// Find out if given column name matches any of the provided prefixes
def colNameStartsWith: String => Boolean = (colName: String) =>
columnsPrefix.map(prefix => colName.startsWith(prefix)).reduce(_ || _)
// Filter columns list by checking against given prefixes sequence
val columns = dF.columns.filter(colNameStartsWith)
// Select filtered columns list
dF.select(columns.head, columns.tail:_*)
【讨论】:
以上是关于如何选择以公共标签开头的所有列的主要内容,如果未能解决你的问题,请参考以下文章
如何使用 JQuery/CSS 选择所有以某个单词开头、包含或结尾的单元格?
如果 <p> 标签包含以“Read:”开头,则选择所有 <p> 元素 使用 CSS? [复制]