remplacer (DataFrame)

Renvoie un nouveau DataFrame qui remplace une valeur par une autre valeur. DataFrame.replace et DataFrameNaFunctions.replace sont des alias l'un de l'autre. Les valeurs à remplacer et la valeur doivent être du même type et ne peuvent être que des nombres, des booléens ou des chaînes de caractères. La valeur peut être None. Lors du remplacement, la nouvelle valeur sera convertie dans le type de la colonne existante.

Syntaxe

replace(to_replace: Union["LiteralType", List["LiteralType"], Dict["LiteralType", "OptionalPrimitiveType"]], value: Optional[Union["OptionalPrimitiveType", List["OptionalPrimitiveType"]]] = _NoValue, subset: Optional[List[str]] = None)

parameter

parameter	Type	Description
to_replace	booléen, entier, flottant, chaîne, liste ou dictionnaire	la valeur à remplacer. Si la valeur est un dict, alors value est ignoré ou peut être omis, et to_replace doit être un mappage entre une valeur et un remplacement.
value	bool, int, float, string ou Aucun, facultatif	La valeur de remplacement doit être un booléen, un entier, un flottant, une chaîne de caractères ou Nul. Si value est une liste, value doit avoir la même longueur et le même type que to_replace. Si value est un scalaire et to_replace est une séquence, alors value est utilisé comme remplacement pour chaque élément dans to_replace.
subset	liste, facultative	liste facultative de noms de colonne à prendre en compte. Les colonnes spécifiées dans le sous-ensemble qui ne correspondent pas aux types de données sont ignorées.

parameter	Type	Description
to_replace	booléen, entier, flottant, chaîne, liste ou dictionnaire	la valeur à remplacer. Si la valeur est un dict, alors value est ignoré ou peut être omis, et to_replace doit être un mappage entre une valeur et un remplacement.
value	bool, int, float, string ou Aucun, facultatif	La valeur de remplacement doit être un booléen, un entier, un flottant, une chaîne de caractères ou Nul. Si value est une liste, value doit avoir la même longueur et le même type que to_replace. Si value est un scalaire et to_replace est une séquence, alors value est utilisé comme remplacement pour chaque élément dans to_replace.
subset	liste, facultative	liste facultative de noms de colonne à prendre en compte. Les colonnes spécifiées dans le sous-ensemble qui ne correspondent pas aux types de données sont ignorées.

Renvoie

DataFrame: DataFrame avec des valeurs remplacées.

Exemples

Python

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

df.na.replace(10, 20).show()
# +----+------+-----+
# | age|height| name|
# +----+------+-----+
# |  20|    80|Alice|
# |   5|  NULL|  Bob|
# |NULL|    20|  Tom|
# |NULL|  NULL| NULL|
# +----+------+-----+

df.na.replace('Alice', None).show()
# +----+------+----+
# | age|height|name|
# +----+------+----+
# |  10|    80|NULL|
# |   5|  NULL| Bob|
# |NULL|    10| Tom|
# |NULL|  NULL|NULL|
# +----+------+----+

df.na.replace(['Alice', 'Bob'], ['A', 'B'], 'name').show()
# +----+------+----+
# | age|height|name|
# +----+------+----+
# |  10|    80|   A|
# |   5|  NULL|   B|
# |NULL|    10| Tom|
# |NULL|  NULL|NULL|
# +----+------+----+