根据 PySpark 数据框中的列值过滤行

在本文中，我们将根据 PySpark 数据框中的列值过滤行。

创建用于演示的数据框：

Python3

# importing module
import spark
  
# importing sparksession from pyspark.sql module
from pyspark.sql import SparkSession
  
# creating sparksession and giving an app name
spark = SparkSession.builder.appName('sparkdf').getOrCreate()
  
# list  of employee data
data = [["1", "sravan", "company 1"],
        ["2", "ojaswi", "company 1"],
        ["3", "rohith", "company 2"],
        ["4", "sridevi", "company 1"],
        ["1", "sravan", "company 1"],
        ["4", "sridevi", "company 1"]]
  
# specify column names
columns = ['ID', 'NAME', 'Company']
  
# creating a dataframe from the lists of data
dataframe = spark.createDataFrame(data, columns)
  
dataframe.show()

输出：

方法一：使用 where()函数

此函数用于检查条件并给出结果

Syntax: dataframe.where(condition)

我们将通过条件使用列值来过滤行，其中条件是数据框条件

示例 1：过滤数据框中 ID = 1 的行

蟒蛇3

# get the data where ID=1
dataframe.where(dataframe.ID=='1').show()

输出：

示例 2：

蟒蛇3

# get the data where name not 'sravan'
dataframe.where(dataframe.NAME != 'sravan').show()

输出：

示例 3： Where 子句多列值过滤。

Python程序过滤ID大于2且大学为vvit的行

蟒蛇3

# filter rows where ID greater than 2
# and college is vvit
dataframe.where((dataframe.ID>'2') & (dataframe.college=='vvit')).show()

输出：

方法二：使用 filter()函数

该函数用于检查条件并给出结果。

Syntax: dataframe.filter(condition)

示例1：获取列值的Python代码= vvit学院

蟒蛇3

# get the data where college is  'vvit'
dataframe.filter(dataframe.college=='vvit').show()

输出：

例2：过滤id>3的数据。

蟒蛇3

# get the data where id > 3
dataframe.filter(dataframe.ID>'3').show()

输出：

示例 3：多列值过滤。

过滤ID大于2且大学为vignan的行的Python程序

蟒蛇3

# filter rows where ID greater
# than 2 and college is vignan
dataframe.filter((dataframe.ID>'2') &
                 (dataframe.college=='vignan')).show()

输出：