Pyspark 从数据框中的列中删除空值

Question

我的数据框如下所示

ID,FirstName,LastName

1,Navee,Srikanth

2,,Srikanth 

3,Naveen,

现在我的问题陈述是我必须删除行号 2，因为名字为空。

我正在使用下面的 pyspark 脚本

join_Df1= Name.filter(Name.col(FirstName).isnotnull()).show()

我收到错误

  File "D:[=12=]\NameValidation.py", line 13, in <module>
join_Df1= filter(Name.FirstName.isnotnull()).show()

TypeError: 'Column' object is not callable

谁能帮我解决这个问题

Answer 1

我想你可能需要的是这个notnull()。

这是您在 csv 文件中的输入 my_test.csv:

ID,FirstName,LastName
1,Navee,Srikanth

2,,Srikanth

3,Naveen

代码：

import pandas as pd
df = pd.read_csv("my_test.csv")

print(df[df['FirstName'].notnull()])

输出：

  ID FirstName  LastName
0   1     Navee  Srikanth
2   3    Naveen       NaN

这就是您想要的！ df[df['FirstName'].notnull()]

df['FirstName'].notnull()的输出：

0     True
1    False
2     True

这将创建一个数据框 df，其中 df['FirstName'].notnull() returns True

这是如何检查的？ df['FirstName'].notnull() 如果 FirstName 列的值不为空 return True 否则如果存在 NaN return False.

Answer 2

你应该做如下

join_Df1.filter(join_Df1.FirstName.isNotNull()).show

希望对您有所帮助！

Answer 3

您的 DataFrame FirstName 似乎是空值 Null。以下是一些可供尝试的选项：-

df = sqlContext.createDataFrame([[1,'Navee','Srikanth'], [2,'','Srikanth'] , [3,'Naveen','']], ['ID','FirstName','LastName'])
df.show()
+---+---------+--------+
| ID|FirstName|LastName|
+---+---------+--------+
|  1|    Navee|Srikanth|
|  2|         |Srikanth|
|  3|   Naveen|        |
+---+---------+--------+

df.where(df.FirstName.isNotNull()).show() #This doen't remove null because df have empty value
+---+---------+--------+
| ID|FirstName|LastName|
+---+---------+--------+
|  1|    Navee|Srikanth|
|  2|         |Srikanth|
|  3|   Naveen|        |
+---+---------+--------+

df.where(df.FirstName != '').show()
+---+---------+--------+
| ID|FirstName|LastName|
+---+---------+--------+
|  1|    Navee|Srikanth|
|  3|   Naveen|        |
+---+---------+--------+

df.filter(df.FirstName != '').show()
+---+---------+--------+
| ID|FirstName|LastName|
+---+---------+--------+
|  1|    Navee|Srikanth|
|  3|   Naveen|        |
+---+---------+--------+

df.where("FirstName != ''").show()
+---+---------+--------+
| ID|FirstName|LastName|
+---+---------+--------+
|  1|    Navee|Srikanth|
|  3|   Naveen|        |
+---+---------+--------+

Pyspark 从数据框中的列中删除空值

Pyspark Removing null values from a column in dataframe

python

hadoop

mapreduce

apache-spark

pyspark