如何解决如何使用 .str 和 .split 将 Pandas 代码转换为 Pyspark
我使用 Pandas 编写了以下代码:
df['last_two'] = df['text'].str[-2:]
df['before_hyphen'] = df['text'].str.split('-').str[0]
df['new_text'] = df['before_hyphen'].astype(str) + "-" + df['last_two'].astype(str)
但是当我在 spark 数据帧上运行它时,我收到以下错误:
TypeError: startPos and length must be the same type
我知道我可以将 df 转换为 Pandas,运行代码,然后将其转换回 spark df,但我想知道是否有更好的方法?谢谢
解决方法
你可以试试下面的字符串函数:
import pyspark.sql.functions as F
df2 = df.withColumn(
'last_two',F.expr('substring(text,-2)')
).withColumn(
'before_hyphen',F.substring_index('text','-',1))
).withColumn(
'new_text',F.concat_ws('-','before_hyphen','last_two')
)
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。