使用另一个数据帧或RDD搜索数据帧
我有2个数据帧在apache火花。
df 1有显示编号和说明。。。数据看起来像
不显示描述a这是米奇b唐纳德来了c玛丽和乔治回家d玛丽和乔治进城
第二个数据帧有字符
人物
乔治
唐纳德
玛丽
米妮
我需要搜索节目描述，找出哪个节目的特征是哪个角色...
最终输出应该如下所示
乔治|c，d
唐纳德|b
玛丽|c. d
米妮|不显示
这些数据集经过精心设计，非常简单，但它表达了我试图实现的搜索功能。我基本上需要使用来自另一个数据帧的值搜索1个数据帧的文本。
这在sql server内部的udf中很容易做到，我基本上每次都会循环查看show descrip，并使用“contains”搜索说明返回show no。
我的问题是，我认为没有办法使用数据帧来做到这一点。
共有1个答案
1） 我认为您应该进一步细分第一个数据集，以便show_no映射到描述中的每个单词。例如，第一排可以分解为
show_no | descrip
a | this
a | is
a | mikey
2） 如果需要，您可以从中筛选出停止词。
3） 在此之后，您可以将其与“字符”连接起来，以获得最终所需的输出。
希望这有帮助。阿米特
-
我得到了一个具有多个列和行的数据帧df1。简单的例子： 我想创建一个空的数据框df2，然后再添加新的列和计算结果。 此时，我的代码如下所示： …添加两个新列： 有没有更好/更安全/更快的方法？是否可以创建一个空数据帧df2，并且只从df1复制索引？
-
我有两个数据框，都包含英文和中文单词字符串，我想知道其中一个是另一个的子集：
-
我有两个数据帧。我需要用第二列中的平均值更新第一列中的一列，并按索引分组。这里是示例df1（col1是索引） df2（col1是索引） 我需要df2的col2（a=2，d=3）的平均值，并且只更新col3=X的行的df1 我试过这个 只有在我不使用loc的情况下，它才有效。 我试图得到的结果是df1（col1是索引）
-
我有两个数据帧df1和df2 df1如下 df2就像 我想根据df2中与df1中的列名匹配的单元格值将值从df1复制到df2，所以我的df3应该看起来像 df3 基本上，我想根据df2的单元格值（df1中的列名）从df1复制df2中的列 如果它仍然令人困惑，请告诉我
-
我有两个数据帧，它们的列名相同，但行数不同。第一个数据帧（a）看起来与此类似： 注：站点5、6、8和12故意丢失。 第二个数据帧（b）看起来像这样： 我想要实现的是： 在那里我注入（我肯定有一个更好的术语）数据帧b到数据帧a的数据，但是我想用零替换b中的任何NAs，并保持a中的NAs不变。 我发现并尝试了这个代码： 但它会带来NAs。我考虑先将NAs替换为零，但即使如此，它也会抹去我目前在数据帧a
-
我有两个Dataframes一个与日期集（df1）和另一个与emp_ids集（df2）。我试图创建一个新的Dataframe，这样df2中的每个emp_id都被标记为df1中的每个日期。 下面给出了我的数据帧的外观 df1 df2 预期产出： 我将日期列转换为字符串，并尝试执行以下操作，但返回的数据框为空 我尝试做