我试图计算Sparklyr中DataFrame中特定列的缺失值,如下所示
count(filter(subdata, isNull(subdata$metric)))
Source: query [1 x 1]
Database: spark connection master=local[4] app=sparklyr local=TRUE
n
<dbl>
1 216360``
但返回的结果是数据帧中的总行数。我错过了什么。请指出来。
以下函数将使用NA
计算给定列的sparklyr
值的数量:
count_na_values <- function(column) {
# Count NA Values for a given column using sparklyr.
#
# Args:
# column: (char) name of column.
na_count <- df %>%
filter(is.na(rlang::sym(column))) %>%
sdf_nrow()
na_count
}
注意 - df
应该是"tbl_spark" "tbl_sql" "tbl_lazy" "tbl"
类;例如
df <- tbl(sc, <table>)
它看起来像你混合SparkR
(isNull
)和sparklyr
(其余)API。据我所知,这是不受支持的,乍一看它看起来你的代码实际上应该抛出异常。
df <- data.frame(x=c(1, NA), y=c(-1, 2))
copy_to(sc, df, "df", overwrite=TRUE) %>% filter(is.na(x)) %>% count()
Source: query [1 x 1]
Database: spark connection ...
n
<dbl>
1 1