PySpark:当另一个列值满足条件时修改列值 [英] PySpark: modify column values when another column value satisfies a condition

问题描述

我有一个PySpark数据框，其中有两列ID和等级，

I have a PySpark Dataframe that has two columns Id and rank,

+---+----+
| Id|Rank|
+---+----+
|  a|   5|
|  b|   7|
|  c|   8|
|  d|   1|
+---+----+

对于每一行，如果排名大于5，我希望将ID替换为其他".

For each row, I'm looking to replace Id with "other" if Rank is larger than 5.

如果我使用伪代码来解释:

If I use pseudocode to explain:

For row in df:
  if row.Rank>5:
     then replace(row.Id,"other")

结果应类似于

+-----+----+
|   Id|Rank|
+-----+----+
|    a|   5|
|other|   7|
|other|   8|
|    d|   1|
+-----+----+

任何线索如何实现这一目标?谢谢!!!

Any clue how to achieve this? Thanks!!!

要创建此数据框，请执行以下操作:

To create this Dataframe:

df = spark.createDataFrame([('a',5),('b',7),('c',8),('d',1)], ["Id","Rank"])

推荐答案

您可以像<

from pyspark.sql.functions import *

df\
.withColumn('Id_New',when(df.Rank <= 5,df.Id).otherwise('other'))\
.drop(df.Id)\
.select(col('Id_New').alias('Id'),col('Rank'))\
.show()

这将输出显示为-

+-----+----+
|   Id|Rank|
+-----+----+
|    a|   5|
|other|   7|
|other|   8|
|    d|   1|
+-----+----+

这篇关于PySpark:当另一个列值满足条件时修改列值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！