<分区>
我在 PySpark 中有一个更大的数据集,我想计算每列 None/NaN 值的百分比并将其存储在另一个名为 percentage_missing 的数据框中。例如,如果以下是输入数据框:
df = sc.parallelize([
(0.4, 0.3),
(None, None),
(9.7, None),
(None, None)
]).toDF(["A", "B"])
我希望输出是一个数据框,其中“A”列包含值 0.5,“B”列包含值 0.75。
我正在寻找这样的东西:
for column_ in my_columns:
amount_missing = df[df[column_] == None].count().div(len(df)) * 100
如果有一个库具有执行此操作的功能,我也很乐意使用它。