PySpark：TypeError：“行”对象不支持项目分配答案

【问题标题】：PySpark: TypeError: 'Row' object does not support item assignmentPySpark：TypeError：“行”对象不支持项目分配
【发布时间】：2016-06-08 22:14:16
【问题描述】：

我使用以下代码将 DataFrame 行中的 None 值替换为空字符串：

def replaceNone(row):
  row_len = len(row)
  for i in range(0, row_len):
    if row[i] is None:
      row[i] = ""    
  return row

在我的 pyspark 代码中：

data_out = df.rdd.map(lambda row : replaceNone(row)).map(
  lambda row : "\t".join( [x.encode("utf-8") if isinstance(x, basestring) else str(x).encode("utf-8") for x in row])
)

然后我得到以下错误：

File "<ipython-input-10-8e5d8b2c3a7f>", line 1, in <lambda>
  File "<ipython-input-2-d1153a537442>", line 6, in replaceNone
TypeError: 'Row' object does not support item assignment

有人知道这个错误吗？如何将一行中的“无”值替换为空字符串？谢谢！

【问题讨论】：

试试df.replace('None',' ')。

标签： python pyspark apache-spark-sql

【解决方案1】：

Row 是tuple 的子类，Python 中的tuples 是不可变的，因此不支持项目分配。如果你想替换存储在元组中的项目，你必须从头开始重建它：

## replace "" with placeholder of your choice 
tuple(x if x is not None else "" for x in row)

如果您想简单地连接平面架构，将 null 替换为空字符串，您可以使用 concat_ws:

from pyspark.sql.functions import concat_ws

df.select(concat_ws("\t", *df.columns)).rdd.flatMap(lambda x: x)

要准备输出，使用spark-csv 并指定nullValue、delimiter 和quoteMode 更有意义。

【讨论】：