Как итеративно выбирать столбец в искре

Если у меня есть фрейм данных со столбцами 100s. Как мне выбрать итеративно ниже столбцов.

Один окончательный вывод кадра данных из приведенного ниже кода может быть:

|a      | id    | year|m2000 | m2001 | m2002 | .... | m2015|
|"hello"| 1    | 2001  | 0    | 0     | 0   | ... |   0  |
|"hello"| 1   | 2015  | 0    | 0     | 0   | ... |   0  |
|"hello"| 2   | 2002  | 0    | 0     | 0   | ... |   0  |
|"hello"| 2   | 2015  | 0    | 0     | 0   | ... |   0  |

но у другого фрейма данных может быть больше лет, поэтому он будет похож на приведенный ниже пример.

|a      | id    | year|m2000 | m2001 | m2002 | .... | m2019|
|"hello"| 1    | 2001  | 0    | 0     | 0   | ... |   0  |
|"hello"| 1   | 2015  | 0    | 0     | 0   | ... |   0  |
|"hello"| 2   | 2002  | 0    | 0     | 0   | ... |   0  |
|"hello"| 2   | 2015  | 0    | 0     | 0   | ... |   0  |

Я не могу использовать drop, так как я бы сбросил 100-е столбцы, поэтому в этом случае лучше выбрать select.

Я пробовал ниже, но говорю, что в этом примере диапазон изменчив.

a=2000
b=2015
for i in range(a, b + 1):
    df = df.withColumn("M" + str(i), lit(0))
    df = df.select("M" + str(i),"a","id","year")


df.show()

но он показывает только первый год m2000

 a      | id    | year|m2000 | 
|"hello"| 1    | 2001  | 0  |  
|"hello"| 1   | 2015  | 0   | 
|"hello"| 2   | 2002  | 0   | 
|"hello"| 2   | 2015  | 0  |

где я хочу это показать

|a      | id    | year|m2000 | m2001 | m2002 | .... | m2015|
|"hello"| 1    | 2001  | 0    | 0     | 0   | ... |   0  |
|"hello"| 1   | 2015  | 0    | 0     | 0   | ... |   0  |
|"hello"| 2   | 2002  | 0    | 0     | 0   | ... |   0  |
|"hello"| 2   | 2015  | 0    | 0     | 0   | ... |   0  |

передать список столбцов в select

samkart 10.11.2022 11:50

(1) Вы хотите выбрать все столбцы с «m {год}» или только с 2000 по 2015 год. И (2) можете ли вы утверждать, что эти столбцы всегда присутствуют, или возможно, что иногда столбец отсутствует (например как "м2039").

remi 10.11.2022 11:53

Интересный вопрос от @remi. Я попытался учесть все сценарии, основываясь на вашей ограниченной информации в моем ответе ниже. Дайте мне знать, если есть варианты, и я помогу

wwnde 10.11.2022 14:18

Это всегда будет диапазон как таковой, но интересный момент, если год отсутствует, что происходит. Ответ @wwnde был отличным, спасибо

lunbox 12.11.2022 12:06
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
4
53
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы не совсем понимаете, какие столбцы вам нужны. Если вы хотите выбрать все, что начинается с m плюс a, id, year, , может оказаться полезным colRegex .

df.select('a','id','year', df.colRegex("`^m200+.+`")).show()

Если вы хотите выборочно выбрать столбцы между 2000 и 2015 годами, используйте понимание списка с оператором моржа следующим образом

df.select('a','id','year', *[c for x in range(2000,2015) if (c:='m'+str(x))in (df.columns)]).show()

Помните, что 2000 и 2015 также могут быть объявлены как переменные и переданы следующим образом.

a=2000
 b=2015
df.select('a','id','year', *[c for x in range(a,b) if (c:='m'+str(x))in (df.columns)]).show()

Я не знал о функции colRegex. Довольно крутая функция PySpark! И я думаю, что это именно то, что ищет @lunbox.

remi 11.11.2022 23:10

Другие вопросы по теме