如何用另一个值替换 Pyspark Dataframe 列中的特定值？

Question

我有以下名为 'df' 的 Pyspark 数据框：

A = ["OTH/CON", "Freight Collect", "OTH/CON", "DBG"]
B = [2, 3, 4, 5]
df = sqlContext.createDataFrame(zip(A, B), schema=['A', 'B'])

在 'A' 列中，我需要将值“OTH/CON”和“Freight Collect”替换为另一个字符串“Collect”。并将“DBG”替换为“Dispose”。然后将值放入新列 'aa'。我执行以下操作：

from pyspark.sql import functions as F
df = df.withColumn("aa", F.when(F.col("A").isin(["OTH/CON"]), F.lit("Collect")).otherwise(F.col("A")))
df = df.withColumn("aa", F.when(F.col("A").isin(["Freight Collect"]), F.lit("Collect")).otherwise(F.col("A")))
df = df.withColumn("aa", F.when(F.col("A").isin(["DBG"]), F.lit("Dispose")).otherwise(F.col("A")))

但我最终只将“运费到付”值更改为“到付”。 “OTH/CON”保持原样。

我不明白为什么！

我的预期输出如下：

+---------------+---+-------+
|              A|  B|     aa|
+---------------+---+-------+
|        OTH/CON|  2|Collect|
|Freight Collect|  3|Collect|
|        OTH/CON|  4|Collect|
|            DBG|  5|Dispose|
+---------------+---+-------+

有人可以帮忙吗？

Answer 1

您可以将多个isin条件合并为一个

(df
    .withColumn('aa', F
        .when(F.col('A').isin(['OTH/CON', 'Freight Collect']), F.lit('Collect'))
        .when(F.col('A').isin(['DBG']), F.lit('Dispose'))
        .otherwise(F.col('A'))
    )
    .show()
)

+---------------+---+-------+
|              A|  B|     aa|
+---------------+---+-------+
|        OTH/CON|  2|Collect|
|Freight Collect|  3|Collect|
|        OTH/CON|  4|Collect|
|            DBG|  5|Dispose|
+---------------+---+-------+