pysparkは、データフレーム内のすべての値を別の値に置き換えます

文字列の場合、passed、failed、nullの3つの値があります。これらのヌルを0に置き換えるにはどうすればよいですか？fillna（0）は整数でのみ機能します

まず、インポートする場合と点灯

from pyspark.sql.functions import when, lit

DataFrameにこれらの列があると仮定します

# Reconstructing my DataFrame based on your assumptions
# cols are Columns in the DataFrame
cols = ['name', 'age', 'col_with_string']

# Similarly the values
vals = [
     ('James', 18, 'passed'),
     ('Smith', 15, 'passed'),
     ('Albie', 32, 'failed'),
     ('Stacy', 33, None),
     ('Morgan', 11, None),
     ('Dwight', 12, None),
     ('Steve', 16, 'passed'), 
     ('Shroud', 22, 'passed'),
     ('Faze', 11,'failed'),
     ('Simple', 13, None)
]

# This will create a DataFrame using 'cols' and 'vals'
# spark is an object of SparkSession
df = spark.createDataFrame(vals, cols)

# We have the following DataFrame
df.show()

+------+---+---------------+
|  name|age|col_with_string|
+------+---+---------------+
| James| 18|         passed|
| Smith| 15|         passed|
| Albie| 32|         failed|
| Stacy| 33|           null|
|Morgan| 11|           null|
|Dwight| 12|           null|
| Steve| 16|         passed|
|Shroud| 22|         passed|
|  Faze| 11|         failed|
|Simple| 13|           null|
+------+---+---------------+

次を使用できます。

• withColumn（） -使用する列を指定します。
• isNull（） -属性がnullと評価された場合にtrueと評価されるフィルター
• lit（） -リテラルの列を作成します
• when（）、else（） -列に関する条件をチェックするために使用されます

nullの値を0に置き換えることができます

df = df.withColumn('col_with_string', when(df.col_with_string.isNull(), 
lit('0')).otherwise(df.col_with_string))

# We have replaced nulls with a '0'
df.show()

+------+---+---------------+
|  name|age|col_with_string|
+------+---+---------------+
| James| 18|         passed|
| Smith| 15|         passed|
| Albie| 32|         failed|
| Stacy| 33|              0|
|Morgan| 11|              0|
|Dwight| 12|              0|
| Steve| 16|         passed|
|Shroud| 22|         passed|
|  Faze| 11|         failed|
|Simple| 13|              0|
+------+---+---------------+

あなたの質問のパート1-はい/いいえブール値-あなたはブール値の100列があると言いました。このために、私は通常、更新された値でテーブルを再構築するか、UDFを作成してYesまたはNoに対して1または0を返します。

さらに2つの列can_voteとcan_lottoをDataFrame（df）に追加しています

df = df.withColumn("can_vote", col('Age') >= 18)
df = df.withColumn("can_lotto", col('Age') > 16) 

# Updated DataFrame will be
df.show()

+------+---+---------------+--------+---------+
|  name|age|col_with_string|can_vote|can_lotto|
+------+---+---------------+--------+---------+
| James| 18|         passed|    true|     true|
| Smith| 15|         passed|   false|    false|
| Albie| 32|         failed|    true|     true|
| Stacy| 33|              0|    true|     true|
|Morgan| 11|              0|   false|    false|
|Dwight| 12|              0|   false|    false|
| Steve| 16|         passed|   false|    false|
|Shroud| 22|         passed|    true|     true|
|  Faze| 11|         failed|   false|    false|
|Simple| 13|              0|   false|    false|
+------+---+---------------+--------+---------+

can_voteおよびcan_lottoと同様の列があると仮定します（ブール値はYes / Noです）

次のコード行を使用して、ブール型のDataFrameの列をフェッチできます。

col_with_bool = [item[0] for item in df.dtypes if item[1].startswith('boolean')]

これはリストを返します

['can_vote', 'can_lotto']

UDFを作成し、このタイプのリストの各列を反復処理して、1（はい）または0（いいえ）を使用して各列を点灯させることができます。

参考までに、以下のリンクを参照してください

• isNull（）：https：//spark.apache.org/docs/2.2.0/api/java/org/apache/spark/sql/sources/IsNull.html
• 点灯して、とき：https://spark.apache.org/docs/1.6.2/api/java/org/apache/spark/sql/functions.html