有没有办法使用scala过滤不包含spark数据帧中某些内容的字段?
发布时间:2020-12-16 19:18:34 所属栏目:安全 来源:网络整理
导读:希望我是愚蠢的,这很容易. 我有一个包含“url”和“referrer”列的数据框. 我想提取包含顶级域名“www.mydomain.com”和“mydomain.co”的所有引荐来源. 我可以用 val filteredDf = unfilteredDf.filter(($"referrer").contains("www.mydomain.")) 但是,由于
希望我是愚蠢的,这很容易.
我有一个包含“url”和“referrer”列的数据框. 我想提取包含顶级域名“www.mydomain.com”和“mydomain.co”的所有引荐来源. 我可以用 val filteredDf = unfilteredDf.filter(($"referrer").contains("www.mydomain.")) 但是,由于某种原因,这会删除包含我的网域的网址www.google.co.uk搜索网址.有没有办法,在火花中使用scala,我可以过滤掉谷歌中的任何东西,同时保持我的正确结果? 谢谢 院长 解决方法
您可以使用not或者否定谓词!所以剩下的就是添加另一个条件:
import org.apache.spark.sql.functions.not df.where($"referrer".contains("www.mydomain.") && not($"referrer".contains("google"))) 或单独的过滤器: df .where($"referrer".contains("www.mydomain.")) .where(!$"referrer".contains("google")) (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |