Вложенное условие для простых данных

У меня есть фрейм данных, имеющий 3 столбца, два логических типа и один столбец в виде строки.

from pyspark.sql import SparkSession
from pyspark.sql.types import StructType, StructField, BooleanType, StringType

# Create a Spark session
spark = SparkSession.builder \
    .appName("Condition Test") \
    .getOrCreate()

# Sample data
data = [
    (True, 'CA', None),
    (True, 'US', None),
    (False, 'CA', None)
]

# Define schema for the dataframe
schema = StructType([
    StructField("is_flag", BooleanType(), nullable=False),
    StructField("country", StringType(), nullable=False),
    StructField("rule", BooleanType(), nullable=True)  
])

# Create DataFrame
df = spark.createDataFrame(data, schema=schema)

# Show initial dataframe
df.show(truncate=False)

condition = (
    (~col("is_flag")) |
    ((col("is_flag")) & (trim(col("country")) != 'CA') & nvl(col("rule"),lit(False)) != True)
)

df = df.filter(condition)

# show filtered dataframe
df.show(truncate=False)

Код выше возвращает данные ниже.

+-------+-------+----+
|is_flag|country|rule|
+-------+-------+----+
|true   |CA     |NULL|
|true   |US     |NULL|
|false  |CA     |NULL|
+-------+-------+----+

Однако, поскольку я прямо упоминаю ((col("is_flag")) & (trim(col("country")) != 'CA') & nvl(col("rule"),lit(False)) != True) т.е. Trim(col("country")) != 'CA', когда is_flag имеет значение true, я не ожидаю первой записи, мне нужны результаты, как показано ниже.

+-------+-------+----+
|is_flag|country|rule|
+-------+-------+----+
|true   |US     |NULL|
|false  |CA     |NULL|
+-------+-------+----+

Вопрос: почему приведенный выше код также возвращает первую запись |true |CA |NULL|, где, как мы явно упомянули, страна != 'CA', когда is_flag имеет значение true (логическое значение).

Однако то же самое, когда подтверждение применяется через sql, возвращает ожидаемый результат.

select *
from df
where (
       not is_flag or 
       (is_flag and trim(country) != 'CA' and nvl(rule,False) != True)
      )

Вам не хватает скобок для nvl() != True

Emma 20.06.2024 20:21
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.
2
1
62
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Условие недействительно, поскольку оно не учитывает приоритет оператора и, следовательно, неверный результат. Оператор & имеет более высокий приоритет, чем !=.

Вот обновленное условие в скобках:

condition = (
    (~col("is_flag")) |
    ((col("is_flag")) & (trim(col("country")) != 'CA') & (nvl(col("rule"),lit(False)) != True))
)

Выход:

+-------+-------+----+
|is_flag|country|rule|
+-------+-------+----+
|true   |US     |NULL|
|false  |CA     |NULL|
+-------+-------+----+

Другие вопросы по теме