我想知道是否有一个巧妙的方法来解决这个问题
这是我未过滤的数据帧,deltas
,它是源数据集和目标数据集之间完全连接
的结果:
我想删除“未知”和“未指定”值(即第 5 行和第 6 行),因此我使用波浪号删除这些行:
deltas = deltas.filter(~deltas['tgt_property_owner_type'].isin(['Unknown', 'Not Specified']))
但是,使用波形符运行 display(deltas)
不会返回任何结果。我想这是因为这些行对于列来说是 null
,它也排除了这些行,因为它不能肯定地说它们不是“未知”或“未指定”。但是,上述内容的正版本(即无波形符)仅返回第 5 行和第 6 行,而不返回 null
。
这是我的临时解决方案,有效:
deltas = deltas.withColumn("IsMissingKValue",\
when(deltas.tgt_property_owner_type.isin(['Unknown', 'Not Specified']),True) \
.otherwise(False))
deltas = deltas.filter(deltas['IsMissingKValue'] == False)
是否有一种聪明的方法可以让波形符否定在求值期间忽略 null
?我知道一些解决方法,例如用空白字符串替换 null
或将其运行到临时 View 中并使用 SQL 对其进行排序,但想知道是否有更纯粹的 python 语法可以使用过。
最佳答案
您可以创建一个谓词m
,当您想要检查列是否包含某些字符串时,它将忽略空值,并且当您否定此谓词时,这将返回列不包含某些字符串的行字符串加上 null
行
c = 'tgt_property_owner_type'
m = deltas[c].isin(['Unknown', 'Not Specified']) & deltas[c].isNotNull()
deltas = deltas.filter(~m)
给定数据框df
df.show()
+---+---+----+
| A| B| C|
+---+---+----+
| 1| r2| x|
| 3| r1|null|
| 3| r2| y|
| 4| r1| z|
| 5| r2|null|
| 5| r1| p|
+---+---+----+
这是如何工作的示例
m = df['C'].isin(['x', 'y']) & df['C'].isNotNull()
df.filter(m).show()
+---+---+---+
| A| B| C|
+---+---+---+
| 1| r2| x|
| 3| r2| y|
+---+---+---+
df.filter(~m).show()
+---+---+----+
| A| B| C|
+---+---+----+
| 3| r1|null|
| 4| r1| z|
| 5| r2|null|
| 5| r1| p|
+---+---+----+
关于python - 波形符否定过滤掉空值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/69256647/