Ho seguito il codice in Python, ma ho bisogno di convertire questo in pyspark,
qm1['c1'] = [x[0] in x[1] for x in zip(qm1['id'], qm1['question'])]
qm1['c1'] = qm1['c1'].astype(str)
qm1a = qm1[(qm1.c1 == 'True')]
L'output di questo codice python è
| domanda | chiave | id | c1 |
|---|---|---|---|
| Le donne | 0 | omen | Vero |
| macchina | 0 | mac | Vero |
Qualcuno potrebbe per favore aiutarmi fuori lo stesso come io sono un principiante in Python?
ecco il mio test di prova (come la tua domanda non contenga)
df.show()
+--------+---+----+
|question|key| id|
+--------+---+----+
| Women| 0|omen|
| machine| 2| mac|
| foo| 1| bar|
+--------+---+----+
e il mio codice per creare l'output atteso :
from pyspark.sql import functions as F
df = df.withColumn("c1", F.col("question").contains(F.col("id")))
df.show()
+--------+---+----+-----+
|question|key| id| c1|
+--------+---+----+-----+
| Women| 0|omen| true|
| machine| 2| mac| true|
| foo| 1| bar|false|
+--------+---+----+-----+
poi si può semplicemente filter in c1:
df.where("c1").show()
+--------+---+----+----+
|question|key| id| c1|
+--------+---+----+----+
| Women| 0|omen|true|
| machine| 2| mac|true|
+--------+---+----+----+