Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Restituisce un nuovo dataframe che i valori Null vengono riempiti con un nuovo valore.
DataFrame.fillna e DataFrameNaFunctions.fill sono alias l'uno dell'altro.
Sintassi
fillna(value: Union["LiteralType", Dict[str, "LiteralType"]], subset: Optional[Union[str, Tuple[str, ...], List[str]]] = None)
Parametri
| Parametro | Tipo | Descrizione |
|---|---|---|
value |
int, float, string, bool o dict | valore con cui sostituire i valori Null. Se il valore è un dict, subset viene ignorato e value deve essere un mapping dal nome di colonna (stringa) al valore di sostituzione. Il valore di sostituzione deve essere una stringa int, float, boolean o . |
subset |
str, tuple o list, facoltativo | elenco facoltativo di nomi di colonna da considerare. Le colonne specificate nel subset che non dispongono di tipi di dati corrispondenti vengono ignorate. |
Restituzioni
DataFrame: dataframe con valori Null sostituiti.
Examples
df = spark.createDataFrame([
(10, 80.5, "Alice", None),
(5, None, "Bob", None),
(None, None, "Tom", None),
(None, None, None, True)],
schema=["age", "height", "name", "bool"])
df.na.fill(50).show()
# +---+------+-----+----+
# |age|height| name|bool|
# +---+------+-----+----+
# | 10| 80.5|Alice|NULL|
# | 5| 50.0| Bob|NULL|
# | 50| 50.0| Tom|NULL|
# | 50| 50.0| NULL|true|
# +---+------+-----+----+
df.na.fill(False).show()
# +----+------+-----+-----+
# | age|height| name| bool|
# +----+------+-----+-----+
# | 10| 80.5|Alice|false|
# | 5| NULL| Bob|false|
# |NULL| NULL| Tom|false|
# |NULL| NULL| NULL| true|
# +----+------+-----+-----+
df.na.fill({'age': 50, 'name': 'unknown'}).show()
# +---+------+-------+----+
# |age|height| name|bool|
# +---+------+-------+----+
# | 10| 80.5| Alice|NULL|
# | 5| NULL| Bob|NULL|
# | 50| NULL| Tom|NULL|
# | 50| NULL|unknown|true|
# +---+------+-------+----+