Clase DataFrameNaFunctions

Funcionalidad para trabajar con datos que faltan en un dataframe.

Admite Spark Connect

Sintaxis

DataFrame.na

Methods

Método	Descripción
drop(how, thresh, subset)	Devuelve una nueva trama de datos que omite filas con valores NULL o NaN.
fill(value, subset)	Devuelve un nuevo DataFrame con valores NULL reemplazados por el valor especificado.
replace(to_replace, value, subset)	Devuelve un nuevo dataframe reemplazando un valor por otro valor.

Ejemplos

Quitar filas con valores NULL

from pyspark.sql import Row

df = spark.createDataFrame([
    Row(age=10, height=80.0, name="Alice"),
    Row(age=5, height=None, name="Bob"),
    Row(age=None, height=None, name="Tom"),
])

df.na.drop().show()

+---+------+-----+
|age|height| name|
+---+------+-----+
| 10|  80.0|Alice|
+---+------+-----+

Rellenar valores NULL

df = spark.createDataFrame([
    (10, 80.5, "Alice"),
    (5, None, "Bob"),
    (None, None, "Tom")],
    schema=["age", "height", "name"])

df.na.fill({'age': 50, 'name': 'unknown'}).show()

+---+------+-------+
|age|height|   name|
+---+------+-------+
| 10|  80.5|  Alice|
|  5|  NULL|    Bob|
| 50|  NULL|unknown|
+---+------+-------+

Reemplazar valores

df = spark.createDataFrame([
    (10, 80, "Alice"),
    (5, None, "Bob"),
    (None, 10, "Tom")],
    schema=["age", "height", "name"])

df.na.replace(['Alice', 'Bob'], ['A', 'B'], 'name').show()

+----+------+----+
| age|height|name|
+----+------+----+
|  10|    80|   A|
|   5|  NULL|   B|
|NULL|    10| Tom|
+----+------+----+