pyspark dataframe 将行为类型列中的pv换成1，buy换成2

您可以使用Pyspark中的withColumn函数将"行为类型"列中的"pv"替换为1，将"buy"替换为2。下面是代码示例：

df = df.withColumn("行为类型", when(col("行为类型") == "pv", 1).when(col("行为类型") == "buy", 2).otherwise(col("行为类型")))

其中，df是您的Pyspark DataFrame，"行为类型"是您想要替换的列名。当"行为类型"为"pv"时，使用when函数将其替换为1。当"行为类型"为"buy"时，使用when函数将其替换为2。如果"行为类型"不是"pv"或"buy"，则使用otherwise函数将其保持不变。

相关问题

PySpark dataframe我想将行为类型列中的str型数据pv,cart,fav,buy转换成int型1,2,3,4代码该怎么写

可以通过使用 PySpark dataframe 的 withColumn 函数和 when 函数来实现您的需求。代码如下：

from pyspark.sql.functions import when

df = df.withColumn("行为类型", when(df["行为类型"] == "pv", 1)
                              .when(df["行为类型"] == "cart", 2)
                              .when(df["行为类型"] == "fav", 3)
                              .when(df["行为类型"] == "buy", 4)
                              .otherwise(df["行为类型"]))

以上代码将行为类型列中的 str 类型的数据 "pv"、"cart"、"fav" 和 "buy" 转换成对应的 int 类型的数据 1、2、3 和 4。

pyspark dataframe根据商品类目ID 统计不同商品类目ID行为类型为pv的次数

您好！欢迎和我对话。

针对您的问题，您可以使用pyspark dataframe的groupby和agg方法来实现。具体代码请参考以下示例：

from pyspark.sql.functions import count, when

df.groupby("商品类目ID").agg(
    count(when(df.行为类型 == "pv", True)).alias("pv次数")
).show()

其中，我们使用`groupby`方法将数据按照`商品类目ID`进行分组，然后使用`agg`方法统计每组中行为类型为`pv`的次数，并将结果命名为`pv次数`。

希望这个回答对您有帮助。如果您有其他问题，欢迎随时提出。