Am codul de mai jos în Python, dar am nevoie pentru a converti la pyspark,
qm1['c1'] = [x[0] in x[1] for x in zip(qm1['id'], qm1['question'])]
qm1['c1'] = qm1['c1'].astype(str)
qm1a = qm1[(qm1.c1 == 'True')]
Ieșirea din acest cod python este
| întrebare | cheie | id | c1 |
|---|---|---|---|
| Femei | 0 | semn | Adevărat |
| masina | 0 | mac | Adevărat |
Ar putea cineva să mă ajute la fel ca eu sunt un incepator in Python?
aici este meu de test (ca intrebarea ta nu conține orice)
df.show()
+--------+---+----+
|question|key| id|
+--------+---+----+
| Women| 0|omen|
| machine| 2| mac|
| foo| 1| bar|
+--------+---+----+
si codul pentru a crea rezultatul așteptat :
from pyspark.sql import functions as F
df = df.withColumn("c1", F.col("question").contains(F.col("id")))
df.show()
+--------+---+----+-----+
|question|key| id| c1|
+--------+---+----+-----+
| Women| 0|omen| true|
| machine| 2| mac| true|
| foo| 1| bar|false|
+--------+---+----+-----+
apoi, puteți pur și simplu filter pe c1:
df.where("c1").show()
+--------+---+----+----+
|question|key| id| c1|
+--------+---+----+----+
| Women| 0|omen|true|
| machine| 2| mac|true|
+--------+---+----+----+