DataFrameNaFunctionsクラス

DataFrame 内の欠損データを処理するための機能。

Spark Connectをサポート

構文

Python

DataFrame.na

方法

手法	説明
drop(how, thresh, subset)	null 値または NaN 値の行を省略した新しい DataFrame を返します。
fill(value, subset)	null 値が指定された値に置き換えられた新しい DataFrame を返します。
replace(to_replace, value, subset)	値を別の値に置き換えた新しい DataFrame を返します。

例

NULL値を持つ行を削除する

Python

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()

Output

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

NULL値を埋める

Python

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()

Output

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

値を置き換える

Python

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()

Output

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