我有一个火花数据帧,其中包含一个包含字符串值的列(即'xyztext \ afadfa')。我想创建一个新列,其值为'0'或'1',具体取决于原始列是否包含某些文本(即'text')
结果示例:
## +---+---+------+---------+
## | x1| x2| x3 | xnew |
## +---+---+------+---------+
## | 1| a| xtext| 1 |
## | 3| B| abcht| 0 |
编辑:我之前尝试过这个(并且现在添加了.cast(int))感谢SGVD,但是当我插入列名时收到'column is not callable'错误:df1 = df.withColumn('Target',df.column 。载有( '文本')。CAST( '诠释'))
到目前为止,我所取得的最好成绩是创建一个0的列:
from pyspark.sql.functions import lit
df1 = df.withColumn('Target', lit(0))
我还尝试了if then else语句来创建向量但是没有运气:
def targ(string):
if df.column.contains('text'): return '1'
else: return '0'
Spark列有一个cast
方法可以在类型之间进行转换,你可以将一个布尔类型转换为一个整数,其中True
被转换为1
而False
被转换为0
。在Scala中,您可以使用Column#contains
来检查子字符串。 PySpark没有这种方法,但您可以使用instr
函数:
import pyspark.sql.functions as F
df1 = df.withColumn('Target', (F.instr(df.column, 'text') > 0).cast('int'))
您还可以将此函数编写为SQL表达式:
df1 = df.withColumn('Target', F.expr("INSTR(column, 'text') > 0").cast('int'))
或者,完全在没有强制转换的SQL中:
df1 = df.withColumn('Target', F.expr("IF(INSTR(column, 'text') > 0, 1, 0)"))