PySpark:当另一个列值满足条件时修改列值

Question

我有一个PySpark Dataframe,它有两列Id和rank,

+---+----+
| Id|Rank|
+---+----+
|  a|   5|
|  b|   7|
|  c|   8|
|  d|   1|
+---+----+

对于每一行,如果Rank大于5,我希望用"other"替换Id.

如果我使用伪代码来解释:

For row in df:
  if row.Rank>5:
     then replace(row.Id,"other")

结果应该是这样的,

+-----+----+
|   Id|Rank|
+-----+----+
|    a|   5|
|other|   7|
|other|   8|
|    d|   1|
+-----+----+

任何线索如何实现这一目标？谢谢!!!

---

要创建此Dataframe:

df = spark.createDataFrame([('a',5),('b',7),('c',8),('d',1)], ["Id","Rank"])

Answer 1

你可以使用when和otherwise喜欢 -

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()

这给出了输出 -

+-----+----+
|   Id|Rank|
+-----+----+
|    a|   5|
|other|   7|
|other|   8|
|    d|   1|
+-----+----+

Answer 2

从@Pushkr 解决方案开始，您不能只使用以下内容吗？

from pyspark.sql.functions import *

df.withColumn('Id',when(df.Rank <= 5,df.Id).otherwise('other')).show()