小编Dil*_*ula的帖子

我是 python 的新手并使用 Pandas。

我想查询一个数据框并过滤其中一列不是的行NaN。

我试过了：

a=dictionarydf.label.isnull()

但是 a 填充了trueor false。试过这个

dictionarydf.query(dictionarydf.label.isnull())

但如我所料，出现了错误

样本数据：

      reference_word         all_matching_words  label review
0           account             fees - account    NaN      N
1           account           mobile - account    NaN      N
2           account          monthly - account    NaN      N
3    administration  delivery - administration    NaN      N
4    administration      fund - administration    NaN      N
5           advisor             fees - advisor    NaN      N
6           advisor          optimum - advisor    NaN      N
7           advisor              sub - advisor    NaN      N
8 …

我有一个包含 200 万条记录的数据集。我想把它分成两个相等的一半。我没有任何带有序列号的列，因此我可以对其应用 where 条件并将其拆分为 2。这也可能不是正确的方法，但我想要做的就是将数据帧拆分为 2 个一半

我正在使用的示例代码：

var invoiceData = sc.textFile("/Scala/InvoiceLine.csv");
def removeheader (x : RDD[String]): RDD[String] = {
  x.mapPartitionsWithIndex((idx, lines) => {
    if (idx == 0) {
      lines.drop(1)
    }
    lines
  })
}
var invoiceWithoutHeader = removeheader(invoiceData);
var invoiceSchemaString = invoiceData.first().toUpperCase().split(",").map(_.trim());
var invoiceSchema = StructType(invoiceSchemaString.map(fieldName => StructField(fieldName, StringType, true)))
var invoiceRowRDD = invoiceWithoutHeader.map(y => {
  var parser = new CSVParser(',');
  parser.parseLine(y)
}).map { x => Row.fromSeq(x) } 
var invoiceDF = sqlContext.applySchema(invoiceRowRDD, invoiceSchema);

现在我想将invoiceDF分成2部分，每部分100万，因为我是初学者，代码可能效率不高，对不起。

提前致谢 ：）

我有一个包含 3 列的数据框，其中一列是整数。我想给它添加一个整数值。

id person age
1  person1 4
2  person4 5
3  person3 7

我想给他们的年龄加上一个常数 20，这样他们的年龄将分别是 24,25 和 27。