Spark数据框过滤空值和空格
Posted
技术标签:
【中文标题】Spark数据框过滤空值和空格【英文标题】:Spark dataframe filter both nulls and spaces 【发布时间】:2016-12-31 06:57:37 【问题描述】:我有一个 spark 数据框,我需要为它过滤特定列的空值和空格。
假设数据框有两列。 col2 既有空值也有空白。
col1 col2
1 abc
2 null
3 null
4
5 def
我想过滤掉 col2 为空值或空白的记录。 任何人都可以帮助解决这个问题。
版本: Spark1.6.2 斯卡拉 2.10
【问题讨论】:
我可以像下面这样分别过滤掉空值和空白。val df2 = df.filter("col2!= ''").filter(col("col2").isNotNull===true)
但我想在同一个过滤器表达式中包含这两个条件
@srinivas 根据我上面的评论,我要应用过滤器的列是相同的
您能否编辑您的评论。
这是更多的 SQL 方式! val df2 = df.filter("col2 != '' AND col2 is not null")
【参考方案1】:
标准逻辑运算符在 Spark Column
s 上定义:
scala> val myDF = Seq((1, "abc"),(2,null),(3,null),(4, ""),(5,"def")).toDF("col1", "col2")
myDF: org.apache.spark.sql.DataFrame = [col1: int, col2: string]
scala> myDF.show
+----+----+
|col1|col2|
+----+----+
| 1| abc|
| 2|null|
| 3|null|
| 4| |
| 5| def|
+----+----+
scala> myDF.filter(($"col2" =!= "") && ($"col2".isNotNull)).show
+----+----+
|col1|col2|
+----+----+
| 1| abc|
| 5| def|
+----+----+
注意:根据您的 Spark 版本,您将需要 !==
或 =!=
(后者是较新的选项)。
如果要满足 n
条件,我可能会使用一个列表来减少布尔列:
val conds = List(myDF("a").contains("x"), myDF("b") =!= "y", myDF("c") > 2)
val filtered = myDF.filter(conds.reduce(_&&_))
【讨论】:
以上是关于Spark数据框过滤空值和空格的主要内容,如果未能解决你的问题,请参考以下文章