修改 DataFrame 欄位

先前你已經過濾掉不符合一般姓名格式的列。現在根據你的前置作業，你的主管要你建立兩個新欄位：first_name 與 last_name。她希望你把 VOTER_NAME 欄位遇到任一空白字元就切割成多個字，最後一個字當作 last_name，其餘的字合併當作 first_name。在這題中你會用到一些新函式，包括 .split()、.size()，以及 .getItem()。其中 .getItem(index) 會接收一個整數並回傳該欄位中對應編號的項目。函式 .split() 與 .size() 位於 pyspark.sql.functions 函式庫。

請注意，這些操作通常會隨使用情境而有所不同。讓你的資料符合一致的格式，往往比格式細節本身更重要。資料清理很少只為了一個人而做——採用既定格式可讓之後更容易共享資料（例如，Paul 不用再煩惱姓名處理——Mary 已經先把資料集清理好了）。

你在上一題產生的經過過濾的投票者 DataFrame 已以 voter_df 提供。pyspark.sql.functions 函式庫已以別名 F 匯入可用。

本練習屬於課程

使用 PySpark 清理資料

檢視課程

練習說明

新增名為 splits 的欄位，裡面放可能的姓名列表。
使用 getItem() 方法建立新欄位 first_name。
取得 splits 列表的最後一個元素，並建立欄位 last_name。
刪除 splits 欄位，並顯示更新後的 voter_df。

動手互動練習

試著完成這個範例程式碼，體驗一下這個練習。

# Add a new column called splits separated on whitespace
voter_df = voter_df.withColumn(____, F.____(voter_df.VOTER_NAME, '\s+'))

# Create a new column called first_name based on the first item in splits
voter_df = voter_df.withColumn(____, voter_df.splits.getItem(____)

# Get the last entry of the splits list and create a column called last_name
voter_df = voter_df.withColumn(____, voter_df.splits.getItem(F.____('splits') - ____))

# Drop the splits column
voter_df = voter_df.____('splits')

# Show the voter_df DataFrame
voter_df.show()

編輯並執行程式碼