首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >问答首页 >如何删除spark和scala中的第一组零值列(或行)

如何删除spark和scala中的第一组零值列(或行)
EN

Stack Overflow用户
提问于 2020-08-10 14:50:26
回答 1查看 490关注 0票数 0

你好,我是新来的火花,我有两个数据帧,这样:

代码语言:javascript
代码运行次数:0
运行
复制
+--------------+-------+-------+-------+-------+-------+-------+-------+
|        Region| 3/7/20| 3/8/20| 3/9/20|3/10/20|3/11/20|3/12/20|3/13/20|
+--------------+-------+-------+-------+-------+-------+-------+-------+
|         Paris|      0|      0|      0|      1|      7|      0|      5|
+--------------+-------+-------+-------+-------+-------+-------+-------+
+----------+-------+
|    Period|Reports|
+----------+-------+
|2020/07/20|      0|
|2020/07/21|      0|
|2020/07/22|      0|
|2020/07/23|      8|
|2020/07/24|      0|
|2020/07/25|      1|
+----------+-------+

如何删除第一个0值连续列3/7/20,3/8/20,3/9/20,而不删除第3/12/20栏?同样,对于第二个数据,如何删除第3/12/20、0和2020/07/21、0和2020/07/22、0和2020/07/22行,而不删除2020/07/22、0行

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-08-10 16:30:46

代码语言:javascript
代码运行次数:0
运行
复制
import org.apache.spark.sql.expressions.Window 
import org.apache.spark.sql.functions._ 
val df=Seq(("0","0","0","1","7","0","5")).toDF("3/7/20","3/8/20","3/9/20","3/10/20","3/11/20","3/12/20","3/13/20") 

var columnsAndValues = df.columns.flatMap { c => Array(lit(c), col(c)) } 
df.printSchema() 
val df1 = df.withColumn("myMap", map(columnsAndValues:_*)).select(explode($"myMap"))
.toDF("Region","Paris")

val windowSpec = Window.partitionBy(lit("A")).orderBy(lit("A")) 

df1.withColumn("row_number",row_number.over(windowSpec))
.withColumn("lag", lag("Paris", 1, 0).over(windowSpec))
.withColumn("lead", lead("Paris", 1, 0)
.over(windowSpec)).where(($"lag">0) or ($"Paris"> 0)).show()

/*
+-------+-----+----------+---+----+                                             
| Region|Paris|row_number|lag|lead|
+-------+-----+----------+---+----+
|3/10/20|    1|         4|  0|   7|
|3/11/20|    7|         5|  1|   0|
|3/12/20|    0|         6|  7|   5|
|3/13/20|    5|         7|  0|   0|
+-------+-----+----------+---+----+
*/

val df2=Seq(("2020/07/20","0"),("2020/07/21","0"),("2020/07/22","0"),("2020/07/23","8"),("2020/07/24","0"),("2020/07/25","1")).toDF("Period","Reports")

df2.withColumn("row_number",row_number.over(windowSpec))
.withColumn("lag", lag("Reports", 1, 0).over(windowSpec))
.withColumn("lead", lead("Reports", 1, 0).over(windowSpec))
.where((($"lag">0) or ($"Reports"> 0)) and ($"row_number">1)).show()

/*
+----------+-------+----------+---+----+                                        
|    Period|Reports|row_number|lag|lead|
+----------+-------+----------+---+----+
|2020/07/23|      8|         4|  0|   0|
|2020/07/24|      0|         5|  8|   1|
|2020/07/25|      1|         6|  0|   0|
+----------+-------+----------+---+----+
*/
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/63342587

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档