Spark实战(5) DataFrame基础之处理缺失值

Drop Missing Value

from pyspark.sql import SparkSession
spark = SparkSession.builder.appName('aggs').getOrCreate()
df = spark.read.csv('sales_info.csv', inferSchema = True, header = True)
df.printSchema()
df.show()

# drop missing data

# drop if any by row
df.na.drop().show()

# at least 2 non-null values will pass
df.na.drop(thresh = 2)

# use how parameter
df.na.drop(how='all').show()
df.na.drop(how='any').show()

# based on subset of column
df.na.drop(subset=['Sales']).show(

Fill Missing Data

df.na.fill('FILL VALUE').show() # only fill in string type data
df.na.fille(0).show() # only fill in number type data
df.na.fill('No Name', subset = ['Name']).show() # specify the subset

# fill the null with mean
from pyspark.sql.functions import mean
mean_val = df.select(mean(df['Sales'])).collect()
mean_sales = mean_val[0][0] # to show the number
df.na.fill(mean_sales,['Sales']).show()
  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值