PySpark无法访问使用StringIndexer添加的列
我试图将String列转换Country为Interger列Country_ID,结果看起来很好。但当我试图访问Country_ID我得到的列AnalysisException。
以下是数据帧:
UserId | Country |
---|---|
1 | Africa |
2 | Africa |
3 | UK |
4 | Japan |
5 | UK |
6 | Japan |
7 | China |
这是代码:
from pyspark.ml.feature import StringIndexer
indexer = StringIndexer(inputCol='Country', outputCol='Country_ID')
modified_df = indexer.fit(df).transform(df)
修改后的DataFrame:
modified_df.select('*').show()
UserId | Country | Country_ID |
---|---|---|
1 | Africa | 1.0 |
2 | Africa | 1.0 |
3 | UK | 0.0 |
4 | Japan | 2.0 |
5 | UK | 0.0 |
6 | Japan | 2.0 |
7 | China | 3.0 |
过滤查询:
modified_df.select('UserId').filter(df['Country_ID'] == 2).show()
以下是例外情况:
AnalysisException: u'Cannot resolve column name "Country_ID" among (UserId, Country);'
我可以将列视为DataFrame的一部分
modified_df.columns
给,
['UserId', 'Country', 'Country_ID']
如何使DataFrame过滤条件有效Country_ID?
我认为问题是您尝试使用错误的Dataframe引用访问该列。Country_ID应使用引用该列modified_df。
所以改变
modified_df.select('UserId').filter(df['Country_ID'] == 2).show()
至
modified_df.select('UserId').filter(modified_df['Country_ID'] == 2).show()
它应该工作。由于df没有任何专栏Country_ID。
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。