Python pyspark DataFrame.eval用法及代码示例

本文简要介绍 pyspark.pandas.DataFrame.eval 的用法。

用法: DataFrame.eval(expr: str, inplace: bool = False) → Union[DataFrame, Series, None]

评估说明 DataFrame 列上的操作的字符串。

仅对列进行操作，而不对特定的行或元素进行操作。这允许 eval 运行任意代码，如果您将用户输入传递给此函数，这可能会使您容易受到代码注入的影响。

参数：

expr：str: 要评估的表达式字符串。
inplace：布尔值，默认为 False: 如果表达式包含赋值，是否就地执行操作并改变现有的 DataFrame。否则，返回新的DataFrame。

评估结果。

例子：

>>> df = ps.DataFrame({'A': range(1, 6), 'B': range(10, 0, -2)})
>>> df
   A   B
0  1  10
1  2   8
2  3   6
3  4   4
4  5   2
>>> df.eval('A + B')
0    11
1    10
2     9
3     8
4     7
dtype: int64

尽管默认情况下不修改原始DataFrame，但允许分配。

>>> df.eval('C = A + B')
   A   B   C
0  1  10  11
1  2   8  10
2  3   6   9
3  4   4   8
4  5   2   7
>>> df
   A   B
0  1  10
1  2   8
2  3   6
3  4   4
4  5   2

使用inplace=True 修改原始DataFrame。

>>> df.eval('C = A + B', inplace=True)
>>> df
   A   B   C
0  1  10  11
1  2   8  10
2  3   6   9
3  4   4   8
4  5   2   7

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.pandas.DataFrame.eval。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：