ÎncepețiÎncepe gratuit

Separă și extinde o coloană de text

Îți este pus la dispoziție un DataFrame clauses_df cu 100 de rânduri. Acesta conține o coloană clause și un id de rând. Fiecare clause este un șir de caractere cu unul sau mai multe cuvinte separate prin spații.

Acest exercițiu face parte din cursul

Introducere în Spark SQL în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Separă coloana clause într-o coloană numită words, care să conțină un array cu cuvintele individuale.
  • Extinde coloana words într-o coloană numită word.
  • Numără rândurile rezultate.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Split the clause column into a column called words 
split_df = clauses_df.select(____('clause', ' ').____('words'))
split_df.show(5, truncate=False)

# Explode the words column into a column called word 
exploded_df = split_df.____(____('____').____('word'))
exploded_df.show(10)

# Count the resulting number of rows in exploded_df
print("\nNumber of rows: ", ____)
Editează și rulează codul