apache-spark - Spark "replacing null with 0"性能对比

Question

Spark 1.6.1，Scala api。

对于数据框，我需要用 0 替换某个列的所有空值。
我有两种方法可以做到这一点。
1.

myDF.withColumn("pipConfidence", when($"mycol".isNull, 0).otherwise($"mycol"))

2.

myDF.na.fill(0, Seq("mycol"))

它们本质上是相同的还是首选一种方式？

谢谢!

Answer 1

它们不相同，但性能应该相似。 na.fill用途 coalesce但它取代了 NaN和 NULLs ，不仅NULLS .

val y = when($"x" === 0, $"x".cast("double")).when($"x" === 1, lit(null)).otherwise(lit("NaN").cast("double"))
val df = spark.range(0, 3).toDF("x").withColumn("y", y)

df.withColumn("y", when($"y".isNull, 0.0).otherwise($"y")).show()
df.na.fill(0.0, Seq("y")).show()