如何在Pyspark中替换数据框的所有Null值 [英] How to replace all Null values of a dataframe in Pyspark

问题描述

我在pyspark中有一个数据框，其中包含300多个列。在这些列中，有些列的值为null。

I have a data frame in pyspark with more than 300 columns. In these columns there are some columns with values null.

例如：

Column_1 column_2
null     null
null     null
234      null
125      124
365      187
and so on

当我想对column_1求和时，得到的是Null，而不是724。

When I want to do a sum of column_1 I am getting a Null as a result, instead of 724.

现在我想要将数据框所有列中的null替换为空白。因此，当我尝试对这些列求和时，我不会得到空值，但会得到一个数值。

Now I want to replace the null in all columns of the data frame with empty space. So when I try to do a sum of these columns I don't get a null value but I will get a numerical value.

我们如何在pyspark

How can we achieve that in pyspark

推荐答案

您可以使用 df.na.fill 将零替换为零，例如：

You can use df.na.fill to replace nulls with zeros, for example:

>>> df = spark.createDataFrame([(1,), (2,), (3,), (None,)], ['col'])
>>> df.show()
+----+
| col|
+----+
|   1|
|   2|
|   3|
|null|
+----+

>>> df.na.fill(0).show()
+---+
|col|
+---+
|  1|
|  2|
|  3|
|  0|
+---+

这篇关于如何在Pyspark中替换数据框的所有Null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！