当窗口/分区与正向填充一起使用时，将条件添加到pyspark sql中的last（）函数

debugcn 发表于 Dev

Lai Wei

我得到的代码来自以下链接：https : //johnpaton.net/posts/forward-fill-spark/它具有我要完成的任务的某些背景。

from pyspark.sql import Window
from pyspark.sql.functions import last

# define the window
window = Window.partitionBy('location')\
               .orderBy('time')\
               .rowsBetween(-sys.maxsize, 0)

# define the forward-filled column
filled_column = last(spark_df['temperature'], ignorenulls=True).over(window)

# do the fill
spark_df_filled = spark_df.withColumn('temp_filled_spark', filled_column)

基本上，last()函数用于查找最后一个非空值的状态。如果所有值都为null，则返回null。

但是，如果该组中的所有列均为空，我想分配一个默认值。我尝试了不同的方法，但无法弄清楚。

因此，基本上，如果某个位置的温度都为零，那么我希望有一种方法将其设置为默认值。

Some examples:
I want to fill them with default values for the case below:

location  temp                temp
1         null                0
1         null      =====>    0
1         null                0

I do not want to fill them with default values for the case below:

location  temp                 temp
1         null                 null
1          50      ======>      50
1          60                   60

马赞内查

如果给定位置的任何记录包含非空值，则可以定义另一列以用作指示符。例如：

window_2 = Window.partitionBy('location').rowsBetween(-sys.maxsize, sys.maxsize)
max_column = max(spark_df['temperature']).over(window_2)

然后，将该列与您的列一起使用filled_column以有条件地填写最终结果：

temp_filled_spark = when(max_column.isNull(),0).otherwise(filled_column)
spark_df_filled = spark_df.withColumn('temp_filled_spark', temp_filled_spark)

可能不是很优雅或性能很好，但是应该可以工作。

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。