PySpark:当另一个列值满足条件时修改列值

本文介绍了PySpark:当另一个列值满足条件时修改列值的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！ 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| +-----+----+