apache-spark - PySpark:如何在特定列的数据框中填充值？

Question

我有以下示例数据帧:

a    | b    | c   | 

1    | 2    | 4   |
0    | null | null| 
null | 3    | 4   |

我只想替换前两列中的空值 - 列“a”和“b”:

a    | b    | c   | 

1    | 2    | 4   |
0    | 0    | null| 
0    | 3    | 4   |

这是创建示例数据框的代码:

rdd = sc.parallelize([(1,2,4), (0,None,None), (None,3,4)])
df2 = sqlContext.createDataFrame(rdd, ["a", "b", "c"])

我知道如何使用以下方法替换所有空值:

df2 = df2.fillna(0)

当我尝试这个时，我丢失了第三列:

df2 = df2.select(df2.columns[0:1]).fillna(0)

Answer 1

df.fillna(0, subset=['a', 'b'])

有一个名为 subset 的参数选择列，除非您的 spark 版本低于 1.3.1