为了账号安全,请及时绑定邮箱和手机立即绑定

如何将数据帧的每个第 i 个元素映射到 PySpark 中范围定义的另一个数据帧的键

如何将数据帧的每个第 i 个元素映射到 PySpark 中范围定义的另一个数据帧的键

慕姐8265434 2023-07-11 15:02:26
我想做的事根据 df1 中的聚类定义将输入文件 df0 转换为所需的输出 df2我拥有的df0 = spark.createDataFrame([('A',0.05),('B',0.01),('C',0.75),('D',1.05),('E',0.00),('F',0.95),('G',0.34), ('H',0.13)],("items","quotient"))df1 = spark.createDataFrame([('C0',0.00,0.00),('C1',0.01,0.05),('C2',0.06,0.10), ('C3',0.11,0.30), ('C4',0.31,0.50), ('C5',0.51,99.99)],("cluster","from","to"))我想要的是df2 = spark.createDataFrame([('A',0.05,'C1'),('B',0.01,'C1'),('C',0.75,'C5'),('D',1.05,'C5'),('E',0.00,'C0'),('F',0.95,'C3'),('G',0.34,'C2'), ('H',0.13,'C4')],("items","quotient","cluster"))笔记编码环境是 Palantir 中的 PySpark。为了简化编码,可以调整 DataFrame df1 的结构和内容:df1 告诉 df0 中的项目应该链接到哪个集群。提前非常感谢您的时间和反馈!
查看完整描述

1 回答

?
白猪掌柜的

TA贡献1893条经验 获得超10个赞

这是一个简单的左连接问题。


df0.join(df1, df0['quotient'].between(df1['from'], df1['to']), "left") \

  .select(*df0.columns, df1['cluster']).show()


+-----+--------+-------+

|items|quotient|cluster|

+-----+--------+-------+

|    A|    0.05|     C1|

|    B|    0.01|     C1|

|    C|    0.75|     C5|

|    D|    1.05|     C5|

|    E|     0.0|     C0|

|    F|    0.95|     C5|

|    G|    0.34|     C4|

|    H|    0.13|     C3|

+-----+--------+-------+


查看完整回答
反对 回复 2023-07-11
  • 1 回答
  • 0 关注
  • 76 浏览
慕课专栏
更多

添加回答

举报

0/150
提交
取消
意见反馈 帮助中心 APP下载
官方微信