Pyspark从datafram中的列中删除空值

Question

我的数据框如下所示

ID,FirstName,LastName

1,Navee,Srikanth

2,,Srikanth 

3,Naveen,

现在我的问题是我必须删除第2行，因为名字是空的。

我正在使用下面的pyspark脚本

join_Df1= Name.filter(Name.col(FirstName).isnotnull()).show()

我的错误是

  File "D:\0\NameValidation.py", line 13, in <module>
join_Df1= filter(Name.FirstName.isnotnull()).show()

TypeError: 'Column' object is not callable

有谁能帮我解决这个问题吗

Answer 1

我想你可能需要这个。

这是您在csv文件my_test.csv中的输入：

ID,FirstName,LastName
1,Navee,Srikanth

2,,Srikanth

3,Naveen

代码：

import pandas as pd
df = pd.read_csv("my_test.csv")

print(df[df['FirstName'].notnull()])

输出：

  ID FirstName  LastName
0   1     Navee  Srikanth
2   3    Naveen       NaN

这就是你想要的！df[df['FirstName'].notnull()]

输出df['FirstName'].notnull()：

0     True
1    False
2     True

这将创建一个数据帧df，其中df['FirstName'].notnull()返回True

这是怎么检查的？df['FirstName'].notnull()如果FirstName列的值不为空，则返回True；否则，如果NaN存在，则返回False。