- 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?
我正在尝试使用 Spark 清理时间序列数据集,该数据集未完全填充且相当大。
我想做的是转换以下数据集
Group | TS | Value
____________________________
A | 01-01-2018 | 1
A | 01-02-2018 | 2
A | 01-03-2018 |
A | 01-04-2018 |
A | 01-05-2018 | 5
A | 01-06-2018 |
A | 01-07-2018 | 10
A | 01-08-2018 | 11
并将其转换为以下内容
Group | TS | Value>
____________________________
A | 01-01-2018 | 1
A | 01-02-2018 | 2
A | 01-03-2018 | 3
A | 01-04-2018 | 4
A | 01-05-2018 | 5
A | 01-06-2018 | 7.5
A | 01-07-2018 | 10
A | 01-08-2018 | 11
如果您能提供帮助,我们将不胜感激。
最佳答案
与 @ndricca 聊天后,我用 @leo 建议更新了代码。
第一个数据帧创建:
from pyspark.sql import functions as F
from pyspark.sql import Window
data = [
("A","01-01-2018",1),
("A","01-02-2018",2),
("A","01-03-2018",None),
("A","01-04-2018",None),
("A","01-05-2018",5),
("A","01-06-2018",None),
("A","01-07-2018",10),
("A","01-08-2018",11)
]
df = spark.createDataFrame(data,['Group','TS','Value'])
df = df.withColumn('TS',F.unix_timestamp('TS','MM-dd-yyyy').cast('timestamp'))
接下来是更新的功能:
def fill_linear_interpolation(df,id_cols,order_col,value_col):
"""
Apply linear interpolation to dataframe to fill gaps.
:param df: spark dataframe
:param id_cols: string or list of column names to partition by the window function
:param order_col: column to use to order by the window function
:param value_col: column to be filled
:returns: spark dataframe updated with interpolated values
"""
# create row number over window and a column with row number only for non missing values
w = Window.partitionBy(id_cols).orderBy(order_col)
new_df = df.withColumn('rn',F.row_number().over(w))
new_df = new_df.withColumn('rn_not_null',F.when(F.col(value_col).isNotNull(),F.col('rn')))
# create relative references to the start value (last value not missing)
w_start = Window.partitionBy(id_cols).orderBy(order_col).rowsBetween(Window.unboundedPreceding,-1)
new_df = new_df.withColumn('start_val',F.last(value_col,True).over(w_start))
new_df = new_df.withColumn('start_rn',F.last('rn_not_null',True).over(w_start))
# create relative references to the end value (first value not missing)
w_end = Window.partitionBy(id_cols).orderBy(order_col).rowsBetween(0,Window.unboundedFollowing)
new_df = new_df.withColumn('end_val',F.first(value_col,True).over(w_end))
new_df = new_df.withColumn('end_rn',F.first('rn_not_null',True).over(w_end))
if not isinstance(id_cols, list):
id_cols = [id_cols]
# create references to gap length and current gap position
new_df = new_df.withColumn('diff_rn',F.col('end_rn')-F.col('start_rn'))
new_df = new_df.withColumn('curr_rn',F.col('diff_rn')-(F.col('end_rn')-F.col('rn')))
# calculate linear interpolation value
lin_interp_func = (F.col('start_val')+(F.col('end_val')-F.col('start_val'))/F.col('diff_rn')*F.col('curr_rn'))
new_df = new_df.withColumn(value_col,F.when(F.col(value_col).isNull(),lin_interp_func).otherwise(F.col(value_col)))
new_df = new_df.drop('rn', 'rn_not_null', 'start_val', 'end_val', 'start_rn', 'end_rn', 'diff_rn', 'curr_rn')
return new_df
然后在我们的 DataFrame 上执行函数:
new_df = fill_linear_interpolation(df=df,id_cols='Group',order_col='TS',value_col='Value')
还在我的 df 上检查了它 -> post ,您必须先创建额外的group
列。
关于pyspark : Interpolation of missing values in pyspark dataframe observed,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53077639/
要在标题(或谷歌)中简洁地描述这是一个棘手的问题。我有一个分类表,其中某些列可能会根据置信度列为“已删除”。我想用“未识别”替换任何显示“已删除”的列,后跟第一列中未识别的值以行方式说“掉落”。因此,
我在 VSCode 上使用 pygame 模块,但遇到了 pygame 没有 init 成员的问题。我遵循了 this 的解决方案关联。我编辑了用户设置并添加了 "python.linting
我的问题是如何解决丢失的脚本太旧或丢失!! checking for a BSD-compatible install... /usr/bin/install -c checking whether
我正在使用带有启动器的 Spring Boot。当我错误配置启动器(缺少或定义了错误的值)时,它会打印“缺少 bean”错误消息,而不是“缺少值”。很难找到这个错误。 我的开胃菜看起来像 @Condi
我在 Django 1.7 中遇到问题,我正在尝试将用户保存到表中,但我收到一个错误,指出该表不存在。 这是我正在执行的代码: from django.conf import settings fro
我正在查看 EhCache 统计数据,我看到了这些数字: CacheMisses: 75977 CacheHits: 38151 InMemoryCacheMisses: 4843 InMemoryC
我正在尝试使用这些数据运行 lme 模型: tot_nochc=runif(10,1,15) cor_partner=factor(c(1,1,0,1,0,0,0,0,1,0)) age=runif(
我在 Microsoft Visual Studio C++ 中编写了一个程序,并为此使用了 SFML。我包含了程序所需的正确的 .dll 文件,并将它们复制到“发布”文件夹中。有效。整个程序在我的电
在设置新的Reaction CSR应用程序、一些样板库等过程中。在控制台中收到以下错误:。现在,我不会去修复一些我没有维护的包。我怎么才能找到真正的问题呢?Vite dev Build没有报告错误。
我正在上 React Native 类(class),然后使用 Flow 尝试纠正类(class)中的错误,因为讲师没有使用任何类型检查。 我在 Flow 中遇到了另一个错误,通过在互联网上进行长时间
我想删除图像标签正在寻找的缺失错误。我不想要 ult 标签占位符,试图故意将其保留为空白,直到我使用回形针浏览上传照片。 我已经将 url(:missing) 更改为许多其他内容,例如 nil 等。是
CREATE TABLE customer(customer_id NUMBER(6) PRIMARY KEY , customer_name VARCHAR2(40) NOT NULL , cust
我正在设置 invisible reCAPTCHA在我的 Web 应用程序中并且无法验证用户的响应。 (即使我传递了正确的 POST 参数) 我通过调用 grecaptcha.execute(); 以
我搜索了 these SO results找不到与我的问题相关的任何内容。我怀疑这可能是重复的。 我目前正在 .NET C# 3.5 中编写 Microsoft.Office.Interop.Exce
我在同一行收到两个错误。 Bridge *在 Lan 类中排名第一。我错过了什么? #include #include #include using namespace std; class L
首先,我看到了一些解决方案,但我没有理解它们。我是 QT 的新手,甚至谷歌也没有帮助我。英语不是我的母语 这是在QT Creator 5.6中调试后的报错信息 C2143: syntax error:
有没有办法把表1展开成表2?就是将start_no和end_no之间的每一个整数作为seq_no字段输出,取原表的其他字段组成新表(表2)。 表 1: date source market
我在 Excel (2016) 中制作了一个旭日形图,并希望为所有数据点添加标签。问题是,Excel 会自动丢弃一些标签: 似乎标签被删除是因为数据点太小或标签字符串太长。如何让 Excel 显示所有
在 R 3.0.2 中,missing() 函数可以告诉我们是否缺少形式参数。 如何避免硬编码传递给丢失的变量名称?例如在 demoargs <- function(a=3, b=2, d) {
我试图在 UI 上的某些功能中返回一个按钮,但出现了一个奇怪的错误。有人可以帮忙吗? var div = "View" 我得到的错误是: 参数列表后缺少 )。 最佳答案 onclick="javas
我是一名优秀的程序员,十分优秀!