- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有一个 pyspark dataframe(df1)
第一行如下:
[Row(_c0='{"type":"Fi","values":[0.20100994408130646,1.172734797000885,0.06788740307092667,0.2314232587814331,0.2012220323085785]}', _c1='0')]
我想将“值”列表与下面的第一列 dataframe(df2)
进行比较值如下所示:
0 0.57581 1.25461 0.68694 0.974580 1.54789 0.23646
1 0.98745 0.23655 2.58970 4.587580 0.89756 1.25678
2 0.45780 5.78940 0.65986 2.125400 0.98745 1.23658
3 2.56834 0.25698 4.26587 0.569872 0.36987 0.68975
4 0.25678 1.23654 5.68320 0.986230 0.87563 2.58975
同样,我在 df1
中有很多行,我必须查看 df1
中的哪些值“值”列表大于 df2
中的相应列.我需要找到满足上述条件的那些索引并将其作为列表存储在另一列中到df1
.
例如1.172737 > 0.98745
所以它的索引是1
.因此我将在df1 named(indices)
中有另一列其中包含 value1,如果出现另一个值,则必须附加相同的值。
比较是在各自的列和行之间进行的。上面显示的 df1 行是第 1 行,因此必须与 df2 中的第一列进行比较。
如果我没有强调某事,请在评论中告诉我。
最佳答案
此代码适用于 Python 2.7 和 Spark 2.3.2:
from pyspark.sql import functions as F
from pyspark.sql.types import ArrayType, IntegerType
# Create test dataframes
df1 = spark.createDataFrame([
['{"type":"Fi","values":[0.20100994408130646,1.172734797000885,0.06788740307092667,0.2314232587814331,0.2012220323085785]}', '0'],
['{"type":"Fi","values":[0.6, 0.8, 0.5, 2.1, 0.4]}', '0']
],['_c0','_c1'])
df2 = spark.createDataFrame([
[0, 0.57581, 1.25461, 0.68694, 0.974580, 1.54789, 0.23646],
[1, 0.98745, 0.23655, 2.58970, 4.587580, 0.89756, 1.25678],
[2, 0.45780, 5.78940, 0.65986, 2.125400, 0.98745, 1.23658],
[3, 2.56834, 0.25698, 4.26587, 0.569872, 0.36987, 0.68975],
[4, 0.25678, 1.23654, 5.68320, 0.986230, 0.87563, 2.58975]
],['id','v1', 'v2', 'v3', 'v4', 'v5', 'v6'])
# Get schema and load json correctly
json_schema = spark.read.json(df1.rdd.map(lambda row: row._c0)).schema
df1 = df1.withColumn('json', F.from_json('_c0', json_schema))
# Get column 1 values to compare
values = [row['v1'] for row in df2.select('v1').collect()]
# Define udf to compare values
def cmp_values(lst):
list_cmp = map(lambda t: t[0] > t[1], zip(lst, values)) # Boolean list
return [idx for idx, cond in enumerate(list_cmp) if cond] # Indices of satisfying elements
udf_cmp_values = F.udf(cmp_values, ArrayType(IntegerType()))
# Apply udf on array
df1 = df1.withColumn('indices', udf_cmp_values(df1.json['values']))
df1.show()
+--------------------+---+--------------------+---------+
| _c0|_c1| json| indices|
+--------------------+---+--------------------+---------+
|{"type":"Fi","val...| 0|[Fi, [0.201009944...| [1]|
|{"type":"Fi","val...| 0|[Fi, [0.6, 0.8, 0...|[0, 2, 4]|
+--------------------+---+--------------------+---------+
关于python - 如何将 pyspark 数据框列中的值与 pyspark 中的另一个数据框进行比较,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57254817/
我喜欢 smartcase,也喜欢 * 和 # 搜索命令。但我更希望 * 和 # 搜索命令区分大小写,而/和 ?搜索命令遵循 smartcase 启发式。 是否有隐藏在某个地方我还没有找到的设置?我宁
关闭。这个问题是off-topic .它目前不接受答案。 想改进这个问题? Update the question所以它是on-topic对于堆栈溢出。 10年前关闭。 Improve this qu
从以下网站,我找到了执行java AD身份验证的代码。 http://java2db.com/jndi-ldap-programming/solution-to-sslhandshakeexcepti
似乎 melt 会使用 id 列和堆叠的测量变量 reshape 您的数据框,然后通过转换让您执行聚合。 ddply,从 plyr 包看起来非常相似..你给它一个数据框,几个用于分组的列变量和一个聚合
我的问题是关于 memcached。 Facebook 使用 memcached 作为其结构化数据的缓存,以减少用户的延迟。他们在 Linux 上使用 UDP 优化了 memcached 的性能。 h
在 Camel route ,我正在使用 exec 组件通过 grep 进行 curl ,但使用 ${HOSTNAME} 的 grep 无法正常工作,下面是我的 Camel 路线。请在这方面寻求帮助。
我正在尝试执行相当复杂的查询,在其中我可以排除与特定条件集匹配的项目。这是一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我正在尝试执行相当复杂的查询,我可以在其中排除符合特定条件集的项目。这里有一个 super 简化的模型来解释我的困境: class Thing(models.Model) user = mod
我发现了很多嵌入/内容项目的旧方法,并且我遵循了在这里找到的最新方法(我假设):https://blog.angular-university.io/angular-ng-content/ 我正在尝试
我正在寻找如何使用 fastify-nextjs 启动 fastify-cli 的建议 我曾尝试将代码简单地添加到建议的位置,但它不起作用。 'use strict' const path = req
我正在尝试将振幅 js 与 React 和 Gatsby 集成。做 gatsby developer 时一切看起来都不错,因为它发生在浏览器中,但是当我尝试 gatsby build 时,我收到以下错
我试图避免过度执行空值检查,但同时我想在需要使代码健壮的时候进行空值检查。但有时我觉得它开始变得如此防御,因为我没有实现 API。然后我避免了一些空检查,但是当我开始单元测试时,它开始总是等待运行时异
尝试进行包含一些 NOT 的 Kibana 搜索,但获得包含 NOT 的结果,因此猜测我的语法不正确: "chocolate" AND "milk" AND NOT "cow" AND NOT "tr
我正在使用开源代码共享包在 iOS 中进行 facebook 集成,但收到错误“FT_Load_Glyph failed: glyph 65535: error 6”。我在另一台 mac 机器上尝试了
我正在尝试估计一个标准的 tobit 模型,该模型被审查为零。 变量是 因变量 : 幸福 自变量 : 城市(芝加哥,纽约), 性别(男,女), 就业(0=失业,1=就业), 工作类型(失业,蓝色,白色
我有一个像这样的项目布局 样本/ 一种/ 源/ 主要的/ java / java 资源/ .jpg 乙/ 源/ 主要的/ java / B.java 资源/ B.jpg 构建.gradle 设置.gr
如何循环遍历数组中的多个属性以及如何使用map函数将数组中的多个属性显示到网页 import React, { Component } from 'react'; import './App.css'
我有一个 JavaScript 函数,它进行 AJAX 调用以返回一些数据,该调用是在选择列表更改事件上触发的。 我尝试了多种方法来在等待时显示加载程序,因为它当前暂停了选择列表,从客户的 Angul
可能以前问过,但找不到。 我正在用以下形式写很多语句: if (bar.getFoo() != null) { this.foo = bar.getFoo(); } 我想到了三元运算符,但我认
我有一个表单,在将其发送到 PHP 之前我正在执行一些验证 JavaScript,验证后的 JavaScript 函数会发布用户在 中输入的文本。页面底部的标签;然而,此消息显示短暂,然后消失...
我是一名优秀的程序员,十分优秀!