1.首先读取Excel文件
数据代表了各个城市店铺的装修和配置费用，要统计出装修和配置项的总费用并进行加和计算；
2.pandas实现过程
|
1
2
3
4
|
import
pandas as pd
#1.读取数据
df
=
pd.read_excel(r
'./data/pfee.xlsx'
)
print
(df)
|
|
1
2
|
cols
=
list
(df.columns)
print
(cols)
|
|
1
2
3
4
5
6
7
8
9
10
|
#2.获取含有装修 和 配置 字段的数据
zx_lists
=
[]
pz_lists
=
[]
for
name
in
cols:
if
'装修'
in
name:
zx_lists.append(name)
elif
'配置'
in
name:
pz_lists.append(name)
print
(zx_lists)
print
(pz_lists)
|
|
1
2
3
4
|
#3.对装修和配置项费用进行求和计算
df[
'装修-求和'
]
=
df[zx_lists].
apply
(
lambda
x:x.
sum
(),axis
=
1
)
df[
'配置-求和'
]
=
df[pz_lists].
apply
(
lambda
x:x.
sum
(),axis
=
1
)
print
(df)
|
补充：pandas 中dataframe 中的模糊匹配 与pyspark dataframe 中的模糊匹配
1.pandas dataframe
匹配一个很简单,批量匹配如下
|
1
|
df_obj[df_obj[
'title'
].str.
contains
(r
'.*?n.*'
)] #使用正则表达式进行模糊匹配,*匹配0或无限次,?匹配0或1次
|
pyspark dataframe 中模糊匹配有两种方式
2.spark dataframe api, filter rlike 联合使用
|
1
2
3
4
|
df1=df.filter(
"uri rlike
'com.tencent.tmgp.sgame|%E8%80%85%E8%8D%A3%E8%80%80_|android.ugc.live|\
%e7%88f%e8%a7%86%e9%a2%91|%E7%%8F%E8%A7%86%E9%A2%91'"
).groupBy(
"uri"
).\
count
().sort(
"count"
, ascending=
False
)
|
注意点：
1.rlike 后面进行批量匹配用引号包裹即可
2.rlike 中要匹配特殊字符的话，不需要转义
3.rlike '\\\\bapple\\\\b' 虽然也可以匹配但是匹配数量不全，具体原因不明，欢迎讨论。
|
1
2
3
4
5
6
7
|
In
[5]: df.filter(
"name rlike '%'"
).show()
+
---+------+-----+
|age|height|
name
|
+
---+------+-----+
| 4| 140|A%l%i|
| 6| 180| i%ce|
+
---+------+-----+
|
3.spark sql
|
1
|
spark.sql(
"select uri from t where uri like '%com.tencent.tmgp.sgame%' or uri like 'douyu'"
).show(5)
|
如果要批量匹配的话，就需要在后面继续添加uri like '%blabla%',就有点繁琐了。
对了这里需要提到原生sql 的批量匹配,regexp 就很方便了，跟rlike 有点相似
|
1
2
3
4
5
6
7
|
mysql>
select
count
(*)
from
url_parse
where
uri regexp
'android.ugc.live|com.tencent.tmgp.sgame'
;
+
----------+
|
count
(*) |
+
----------+
| 9768 |
+
----------+
1 row
in
set
(0.52 sec)
|
于是这里就可以将sql中regexp 应用到spark sql 中
|
1
2
3
4
5
6
7
|
In
[9]: spark.sql(
'select * from t where name regexp "%l|t|_"'
).show()
+
---+------+------+
|age|height|
name
|
+
---+------+------+
| 1| 150|Al_ice|
| 4| 140| A%l%i|
+
---+------+------+
|
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。