Spark2-对于Null/Nan的处理

• 一、几种查找空值的方法
• 1、Column方法
• column.isNull/column.isNotNull/column.isNaN
• 2、类sql方法
• 二、na方法
• 2.1 na.drop方法
• 2.1.1 删除所有列的空值以及NaN
• 2.1.2 删除某一列的空值和NaN
• 2.1.3 删除某一列的非空非NaN但是值低于10的。
• 2.2 na.fill方法
• 2.2.1 填充所有空值的列
• 2.2.2 对指定的空值进行填充
• 2.3 na.replace方法
• 2.3.1 将指定列的指定值替换为对应的值

在Scala中，Double类型的空值保存为NaN，其他保存为null。对于Double可以直接使用：bianliang.isNaN判断其是否是空值，那么在一个多行多列的DataSet或者DataFrame中怎么进行处理呢。

一、几种查找空值的方法

1、Column方法

column.isNull/column.isNotNull/column.isNaN

1. df("col1").isNull
2. df.filter(df("col1").isNull)就可以获取所有col1列为空值的行了。
3. //获取col1字段所有空列
4. df.filter(df("col1").isNull).count()
5. df.filter(df("col1").isNotNull).count()

2、类sql方法

1. //获取col1字段所有空列
2. data1.filter("col1 is null").select("col1").limit(10).show
3. //获取col1字段的所有非空列
4. data1.filter("col1 is not null").select("col1").limit(10).show
5. data1.filter("col1 <>''").select("col1").limit(10).show

二、na方法

1. val naDF:DataFrameNaFunctions=df.na

调用na方法会返回一个DataFrameNaFunctions。其只有3个方法，drop、fill、replace。

2.1 na.drop方法

2.1.1 删除所有列的空值以及NaN

1. val resNull=df.na.drop()

返回一个新DF，剔除了包含空值的行。

2.1.2 删除某一列的空值和NaN

1. val res =df.na.drop(Array("col1","col2"))

2.1.3 删除某一列的非空非NaN但是值低于10的。

1. df.na.drop(10,Array("col1","col2"))

2.2 na.fill方法

2.2.1 填充所有空值的列

1. val res123=df.na.fill("新值")
2. val res123=df.na.fill(10)​

2.2.2 对指定的空值进行填充

传入一个值，以及所有需要用此值填充的Array，或者使用Map，按照列进行不同填充。

1. val res2=data1.na.fill(value="wangxiao111",cols=Array("gender","yearsmarried") )
2. val res3=data1.na.fill(Map("gender"->"wangxiao222","yearsmarried"->"wangxiao567") )

2.3 na.replace方法

2.3.1 将指定列的指定值替换为对应的值

1. df.na.replace("col1",Map(1->2)) //将col1列的值为1替换为2.
2. df.na.replace(Array("col1","col2"),Map(1->2))​​
3. df.na.replace[Int]("col1",Map(1->2))//可以添加泛型，Map中的key和value类型必须与其保持一致。