Recuperare i dati utilizzando i nomi di colonna memorizzati come valori di una colonna all'interno della stessa dataframe pyspark

Question 1

Ho un dataset di grandi dimensioni simile al seguente esempio :

ID	CODICE	STUDIO	QUANTITÀ	COL_NAME
111	5611	ABCD	56.17	ID
211	5411	GFED	451.1	QUANTITÀ
311	3212	YTRA	687.3	STUDIO

Voglio completare valori delle colonne memorizzati in col_name in una colonna(COL_VAL) all'interno della stessa dataframe come di seguito :

ID	CODICE	STUDIO	QUANTITÀ	COL_NAME	COL_VALUE
111	5611	ABCD	56.17	ID	111
211	5411	GFED	451.1	QUANTITÀ	451.1
311	3212	YTRA	687.3	STUDIO	YTRA

Sto usando un ciclo .raccogliere() per inserire i valori, ma si sta prendendo un sacco di tempo. Vorrei sapere efficienti modi per fare la stessa rilevanti per un dataset di grandi dimensioni.

Question 2

È possibile utilizzare when per raggiungere questo obiettivo.

from pyspark.sql import functions as F

data = [(111, 5611, "ABCD", 56.17, "ID",),
(211, 5411, "GFED", 451.1, "AMOUNT",),
(311, 3212, "YTRA", 687.3, "STUDY",),]

df = spark.createDataFrame(data, ("ID", "CODE", "STUDY", "AMOUNT","COL_NAME"))

def derive_column_value():
    condition = F
    for possible_value in df.columns:
        condition = condition.when(F.col("COL_NAME") == possible_value, F.col(possible_value))
    return condition

df.withColumn("COL_VALUE", derive_column_value()).show()

Uscita

+---+----+-----+------+--------+---------+
| ID|CODE|STUDY|AMOUNT|COL_NAME|COL_VALUE|
+---+----+-----+------+--------+---------+
|111|5611| ABCD| 56.17|      ID|      111|
|211|5411| GFED| 451.1|  AMOUNT|    451.1|
|311|3212| YTRA| 687.3|   STUDY|     YTRA|
+---+----+-----+------+--------+---------+

Nithish · Answer 1 · 2021-11-23T17:41:06

È possibile utilizzare when per raggiungere questo obiettivo.

from pyspark.sql import functions as F

data = [(111, 5611, "ABCD", 56.17, "ID",),
(211, 5411, "GFED", 451.1, "AMOUNT",),
(311, 3212, "YTRA", 687.3, "STUDY",),]

df = spark.createDataFrame(data, ("ID", "CODE", "STUDY", "AMOUNT","COL_NAME"))

def derive_column_value():
    condition = F
    for possible_value in df.columns:
        condition = condition.when(F.col("COL_NAME") == possible_value, F.col(possible_value))
    return condition

df.withColumn("COL_VALUE", derive_column_value()).show()

Uscita

+---+----+-----+------+--------+---------+
| ID|CODE|STUDY|AMOUNT|COL_NAME|COL_VALUE|
+---+----+-----+------+--------+---------+
|111|5611| ABCD| 56.17|      ID|      111|
|211|5411| GFED| 451.1|  AMOUNT|    451.1|
|311|3212| YTRA| 687.3|   STUDY|     YTRA|
+---+----+-----+------+--------+---------+

Recuperare i dati utilizzando i nomi di colonna memorizzati come valori di una colonna all'interno della stessa dataframe pyspark

Domanda

Migliore risposta

Uscita

In altre lingue

Questa pagina è in altre lingue

Popolare in questa categoria

Domande popolari in questa categoria