apache-spark - 火花数据框无法替换 NULL 值
问题描述
下面的代码工作正常,但如果任何一个字段NULL
超出 5 列SAL1, SAL2, SAL3, SAL4, SAL5
,则对应的字段TOTAL_SALARY
为NULL
. 看起来需要创建一些空条件或火花 udf,请您帮忙。
输入:
NO NAME ADDR SAL1 SAL2 SAL3 SAL4 SAL5
1 ABC IND 100 200 300 null 400
2 XYZ USA 200 333 209 232 444
第二条记录的总和很好,但在第一条记录中由于 null in SAL4
,输出也为 null。
from pyspark.shell import spark
from pyspark.sql import functions as F
from pyspark.sql.types import StringType
sc = spark.sparkContext
df = spark.read.option("header","true").option("delimiter", ",").csv("C:\\TEST.txt")
df.createOrReplaceTempView("table1")
df1 = spark.sql( "select * from table1" )
df2 = df1.groupBy('NO', 'NAME', 'ADDR').agg(F.sum(df1.SAL1 + df1.SAL2 + df1.SAL3 + df1.SAL4 + df1.SAL5).alias("TOTAL_SALARY"))
df2.show()
提前致谢
解决方案
只需na.fill(0)
在您的代码中添加一个。这会将 NULL 值替换为 0,您应该能够执行该操作。
所以你的最后一行应该是这样的:
df2 = df1.na.fill(0).groupBy('NO', 'NAME', 'ADDR').agg(F.sum(df1.SAL1 + df1.SAL2 + df1.SAL3 + df1.SAL4 + df1.SAL5).alias("TOTAL_SALARY"))
该函数似乎也sum
应该能够正确处理 Null 值。我刚刚测试了以下代码:
df_new = spark.createDataFrame([
(1, 4), (2, None), (3,None), (4,None),
(5,5), (6,None), (7,None),(1, 4), (2, 8), (3,9), (4,1),(1, 2), (2, 1), (3,3), (4,7),
], ("customer_id", "balance"))
df_new.groupBy("customer_id").agg(sum(col("balance"))).show()
df_new.na.fill(0).groupBy("customer_id").agg(sum(col("balance"))).show()
输出:
+-----------+------------+
|customer_id|sum(balance)|
+-----------+------------+
| 7| null|
| 6| null|
| 5| 5|
| 1| 10|
| 3| 12|
| 2| 9|
| 4| 8|
+-----------+------------+
+-----------+------------+
|customer_id|sum(balance)|
+-----------+------------+
| 7| 0|
| 6| 0|
| 5| 5|
| 1| 10|
| 3| 12|
| 2| 9|
| 4| 8|
+-----------+------------+
如果总和中的所有值都为 NULL,则版本 1 仅包含 NULL 值。版本 2 返回 0,因为所有 NULL 值都替换为 0
推荐阅读
- python - 如何在 python 中修改 CSV 文件?
- mysql - 如何阅读此语法?
- rest - 如何使用 Docker API 删除容器内的文件
- java - Spring boot - 两个不同请求之间的 HttpSession 为空
- c# - 将多语言 json 文件解析为 C# 字典
- java - Firebase recycleradapter 与使用 searchview 的过滤器
- javascript - 为递归/嵌套对象数组中的所有路径创建一个键映射
- google-cloud-platform - 如何让服务帐户模拟另一个服务帐户?(Node.js)
- python - 如果成员没有权限,如何显示错误消息?不和谐.py
- javascript - 箭头函数中的 +x 如何返回一个数字数组?