PySpark: modifiez les valeurs de colonne lorsqu'une autre valeur de colonne remplit une condition
J'ai un PySpark Dataframe qui a deux colonnes Id et rang,
+---+----+
| Id|Rank|
+---+----+
| a| 5|
| b| 7|
| c| 8|
| d| 1|
+---+----+
Pour chaque ligne, je cherche à remplacer Id par "autre" si le rang est supérieur à 5.
Si j'utilise un pseudocode pour expliquer:
For row in df:
if row.Rank>5:
then replace(row.Id,"other")
Le résultat devrait ressembler,
+-----+----+
| Id|Rank|
+-----+----+
| a| 5|
|other| 7|
|other| 8|
| d| 1|
+-----+----+
Une idée de comment y parvenir? Merci!!!
Pour créer ce Dataframe:
df = spark.createDataFrame([('a',5),('b',7),('c',8),('d',1)], ["Id","Rank"])
Vous pouvez utiliser when et otherwise comme -
from pyspark.sql.functions import *
df\
.withColumn('Id_New',when(df.Rank <= 5,df.Id).otherwise('other'))\
.drop(df.Id)\
.select(col('Id_New').alias('Id'),col('Rank'))\
.show()
cela donne une sortie comme -
+-----+----+
| Id|Rank|
+-----+----+
| a| 5|
|other| 7|
|other| 8|
| d| 1|
+-----+----+