Wyjmuj dane za pomocą nazwy kolumn, które są zapisane w postaci wartości w kolumnie w obrębie jednego i tego samego ramki danych pyspark

Question 1

Mam duży zestaw danych, podobny do następującego przykładu :

ID	kod	uczyć	kwota	COL_NAME
111	5611	ABCD	56.17	ID
211	5411	GFED	451.1	kwota
311	3212	YTRA	687.3	uczyć

Chcę wypełnić wartości kolumn, przechowywanych w col_name, w kolumnie(COL_VAL) w tej samej ramce danych, co poniżej :

ID	kod	uczyć	kwota	COL_NAME	WARTOŚĆ COL_VALUE
111	5611	ABCD	56.17	ID	111
211	5411	GFED	451.1	kwota	451.1
311	3212	YTRA	687.3	uczyć	YTRA

Używam cykl i .collect() do wypełnienia wartości, ale to zajmuje dużo czasu. Chciałbym wiedzieć skutecznych sposobów, aby zrobić to samo dla dużego zbioru danych.

Question 2

Można użyćwhen dla osiągnięcia tego celu.

from pyspark.sql import functions as F

data = [(111, 5611, "ABCD", 56.17, "ID",),
(211, 5411, "GFED", 451.1, "AMOUNT",),
(311, 3212, "YTRA", 687.3, "STUDY",),]

df = spark.createDataFrame(data, ("ID", "CODE", "STUDY", "AMOUNT","COL_NAME"))

def derive_column_value():
    condition = F
    for possible_value in df.columns:
        condition = condition.when(F.col("COL_NAME") == possible_value, F.col(possible_value))
    return condition

df.withColumn("COL_VALUE", derive_column_value()).show()

Wyjście

+---+----+-----+------+--------+---------+
| ID|CODE|STUDY|AMOUNT|COL_NAME|COL_VALUE|
+---+----+-----+------+--------+---------+
|111|5611| ABCD| 56.17|      ID|      111|
|211|5411| GFED| 451.1|  AMOUNT|    451.1|
|311|3212| YTRA| 687.3|   STUDY|     YTRA|
+---+----+-----+------+--------+---------+

Nithish · Answer 1 · 2021-11-23T17:41:06

Można użyćwhen dla osiągnięcia tego celu.

from pyspark.sql import functions as F

data = [(111, 5611, "ABCD", 56.17, "ID",),
(211, 5411, "GFED", 451.1, "AMOUNT",),
(311, 3212, "YTRA", 687.3, "STUDY",),]

df = spark.createDataFrame(data, ("ID", "CODE", "STUDY", "AMOUNT","COL_NAME"))

def derive_column_value():
    condition = F
    for possible_value in df.columns:
        condition = condition.when(F.col("COL_NAME") == possible_value, F.col(possible_value))
    return condition

df.withColumn("COL_VALUE", derive_column_value()).show()

Wyjście

+---+----+-----+------+--------+---------+
| ID|CODE|STUDY|AMOUNT|COL_NAME|COL_VALUE|
+---+----+-----+------+--------+---------+
|111|5611| ABCD| 56.17|      ID|      111|
|211|5411| GFED| 451.1|  AMOUNT|    451.1|
|311|3212| YTRA| 687.3|   STUDY|     YTRA|
+---+----+-----+------+--------+---------+

Wyjmuj dane za pomocą nazwy kolumn, które są zapisane w postaci wartości w kolumnie w obrębie jednego i tego samego ramki danych pyspark

Pytanie

Najlepsza odpowiedź

Wyjście

W innych językach

Ta strona jest w innych językach

Popularne w tej kategorii

Najczęściej zadawane pytania w tej kategorii