小编get*_*y22的帖子

我在pyspark中遇到了数据转换任务.我想用df中的一个列的所有值替换字典中指定的键值对.

dict = {'A':1, 'B':2, 'C':3}

我的df看起来像这样:

+-----------++-----------+
|       col1||       col2|
+-----------++-----------+
|          B||          A|
|          A||          A|
|          A||          A|
|          C||          B|
|          A||          A|
+-----------++-----------+

现在我想用dict中定义的键值对替换col1的所有值.

期望的输出:

+-----------++-----------+
|       col1||       col2|
+-----------++-----------+
|          2||          A|
|          1||          A|
|          1||          A|
|          3||          B|
|          1||          A|
+-----------++-----------+

我试过了

df.na.replace(dict, 1).show()

但是这也取代了col2上的值,它们将保持不变.

谢谢您的帮助.问候 :)

我在gensim中有一个大型的经过预训练的Word2Vec模型，我想从中使用预训练的词向量作为Keras模型中的嵌入层。

问题在于嵌入量很大，而且我不需要大多数单词向量（因为我知道哪些单词可以作为输入出现）。因此，我想摆脱它们以减小嵌入层的大小。

有没有一种方法可以根据单词白名单来保留所需的单词矢量（包括对应的索引！）？