array_compact

Hiermee verwijdert u null-waarden uit de matrix.

Syntaxis

from pyspark.sql import functions as sf

sf.array_compact(col)

Parameterwaarden

Kenmerk	Typologie	Description
col	pyspark.sql.Column of str	Naam van kolom of expressie

Retouren

pyspark.sql.Column: Een nieuwe kolom die een matrix is die de null-waarden uit de invoerkolom uitsluit.

Voorbeelden

Voorbeeld 1: Null-waarden verwijderen uit een eenvoudige matrix

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, None, 2, 3],)], ['data'])
df.select(sf.array_compact(df.data)).show()

+-------------------+
|array_compact(data)|
+-------------------+
|          [1, 2, 3]|
+-------------------+

Voorbeeld 2: Null-waarden verwijderen uit meerdere matrices

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, None, 2, 3],), ([4, 5, None, 4],)], ['data'])
df.select(sf.array_compact(df.data)).show()

+-------------------+
|array_compact(data)|
+-------------------+
|          [1, 2, 3]|
|          [4, 5, 4]|
+-------------------+

Voorbeeld 3: Null-waarden verwijderen uit een matrix met alle null-waarden

from pyspark.sql import functions as sf
from pyspark.sql.types import ArrayType, StringType, StructField, StructType schema = StructType([StructField("data", ArrayType(StringType()), True)])
df = spark.createDataFrame([([None, None, None],)], schema)
df.select(sf.array_compact(df.data)).show()

+-------------------+
|array_compact(data)|
+-------------------+
|                 []|
+-------------------+

Voorbeeld 4: Null-waarden verwijderen uit een matrix zonder null-waarden

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3],)], ['data'])
df.select(sf.array_compact(df.data)).show()

+-------------------+
|array_compact(data)|
+-------------------+
|          [1, 2, 3]|
+-------------------+

Voorbeeld 5: Null-waarden verwijderen uit een lege matrix

from pyspark.sql import functions as sf
from pyspark.sql.types import ArrayType, StringType, StructField, StructType
schema = StructType([
  StructField("data", ArrayType(StringType()), True)
])
df = spark.createDataFrame([([],)], schema)
df.select(sf.array_compact(df.data)).show()

+-------------------+
|array_compact(data)|
+-------------------+
|                 []|
+-------------------+