0
我有一个带有重复观测的SparkR DataFrame
。我找不到一个简单的方法来删除重复项,似乎PySpark dropDuplicates()
函数在SparkR中不可用。例如,如果我有以下DataFrame
,如何根据fullname
重复的事实删除第2行和第4行?删除SparkR DataFrame中的重复观察
newHires <- data.frame(name = c("Thomas", "Thomas", "Bill", "Bill"),
surname = c("Smith", "Smith", "Taylor", "Taylor"),
value = c(1.5, 1.5, 3.2, 3.2))
newHires <- withColumn(newHires, 'fullname', concat(newHires$name, newHires$surname))
|name | surname | value | fullname |
|--------|---------|-------|-----------|
|Thomas | Smith | 1.5 |ThomasSmith|
|Thomas | Smith | 1.5 |ThomasSmith|
|Bill | Taylor | 3.2 |BillTaylor |
|Bill | Taylor | 3.2 |BillTaylor |
谢谢!不知道我以前错过了它。 –
感谢upvote和接受作为答案:) –