python - Pyspark 导入 Column 模块以使用 gt 或 geq

Question

我正在使用 Spark 2.0.0 关注此解决方案 Filtering a spark dataframe based on date

在没有 Column 模块的情况下，当我尝试使用表达式 gt 时出现以下错误。

DataFrame' object has no attribute 'gt'

我尝试导入 Column 模块以使用 lt、gt、geq 等表达式。

from pyspark.sql.column import *

我得到错误:

AttributeError: 'module' 对象没有属性 'DataFrame'

关于如何使用 gt 表达式有什么技巧吗？

Answer 1

pyspark 不支持这些功能，但您仍然可以使用 operator 模块，如下所示:

>>> from operator import ge
>>> from pyspark.sql import functions as F
>>> df = spark.range(1, 50)
>>> df.filter(ge(df.id, F.lit(45))).show()
# +---+
# | id|
# +---+
# | 45|
# | 46|
# | 47|
# | 48|
# | 49|
# +---+

或者您甚至可以使用 >= 运算符:

>>> df.filter(df.id >= F.lit(45)).show()
# +---+
# | id|
# +---+
# | 45|
# | 46|
# | 47|
# | 48|
# | 49|
# +---+