返回一个新的 DataFrame，将值替换为另一个值。
DataFrame.replace 是 DataFrameNaFunctions.replace 彼此的别名。 值to_replace和值必须具有相同的类型，并且只能是数值、布尔值或字符串。 值可以有 None。 替换时，新值将转换为现有列的类型。
Syntax
replace(to_replace: Union["LiteralType", List["LiteralType"], Dict["LiteralType", "OptionalPrimitiveType"]], value: Optional[Union["OptionalPrimitiveType", List["OptionalPrimitiveType"]]] = _NoValue, subset: Optional[List[str]] = None)
参数
| 参数 | 类型 | 说明 |
|---|---|---|
to_replace |
bool、int、float、string、list 或 dict | 要替换的值。 如果值为听写，则 value 忽略或省略该值，并且 to_replace 必须是值和替换之间的映射。 |
value |
bool、int、float、string 或 None，可选 | 替换值必须是布尔值、int、float、string 或 None。 如果 value 为列表， value 则长度和类型应与 to_replace. 如果 value 为标量并且 to_replace 是序列，则 value 用作每个项的 to_replace替换项。 |
subset |
列表，可选 | 要考虑的列名的可选列表。 忽略子集中指定的不具有匹配数据类型的列。 |
退货
DataFrame：替换为已替换值的数据帧。
示例
df = spark.createDataFrame([
(10, 80, "Alice"),
(5, None, "Bob"),
(None, 10, "Tom"),
(None, None, None)],
schema=["age", "height", "name"])
df.na.replace(10, 20).show()
# +----+------+-----+
# | age|height| name|
# +----+------+-----+
# | 20| 80|Alice|
# | 5| NULL| Bob|
# |NULL| 20| Tom|
# |NULL| NULL| NULL|
# +----+------+-----+
df.na.replace('Alice', None).show()
# +----+------+----+
# | age|height|name|
# +----+------+----+
# | 10| 80|NULL|
# | 5| NULL| Bob|
# |NULL| 10| Tom|
# |NULL| NULL|NULL|
# +----+------+----+
df.na.replace(['Alice', 'Bob'], ['A', 'B'], 'name').show()
# +----+------+----+
# | age|height|name|
# +----+------+----+
# | 10| 80| A|
# | 5| NULL| B|
# |NULL| 10| Tom|
# |NULL| NULL|NULL|
# +----+------+----+