Načtení dat pomocí názvů sloupců uloženy jako hodnoty ve sloupci ve stejném datovém pyspark

Question 1

Mám velký dataset podobně jako v příkladu níže :

ID	KÓD	STUDIE	MNOŽSTVÍ	COL_NAME
111	5611	ABCD	56.17	ID
211	5411	GFED	451.1	MNOŽSTVÍ
311	3212	YTRA	687.3	STUDIE

Chci naplnění hodnoty sloupce uloženy v col_name ve sloupci(COL_VAL) ve stejném datovém jak je uvedeno níže :

ID	KÓD	STUDIE	MNOŽSTVÍ	COL_NAME	COL_VALUE
111	5611	ABCD	56.17	ID	111
211	5411	GFED	451.1	MNOŽSTVÍ	451.1
311	3212	YTRA	687.3	STUDIE	YTRA

Já jsem pomocí smyčky a .sbírat() k naplnění hodnot, ale to trvá hodně času. Chtěli vědět, účinné způsoby, jak dělat stejné relevantní pro velké datové sady.

Question 2

Můžete použít when k dosažení tohoto cíle.

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()

Výstup

+---+----+-----+------+--------+---------+
| 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

Můžete použít when k dosažení tohoto cíle.

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()

Výstup

+---+----+-----+------+--------+---------+
| 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|
+---+----+-----+------+--------+---------+

Načtení dat pomocí názvů sloupců uloženy jako hodnoty ve sloupci ve stejném datovém pyspark

Otázka

Nejlepší odpověď

Výstup

V jiných jazycích

Tato stránka je v jiných jazycích

Populární v této kategorii

Oblíbené položky v této kategorii