打印 pyspark 数据框列中的所有类别

Question

我有一个大型数据框，其中一列名为location，只有少数城市，例如：["New York", "London", "Paris", "Berlin"...].我想在该列上打印所有不同的值，以便我知道例如某个城市的值是否丢失。我该怎么做，因为该.describe('location')方法没有帮助？

Answer 1

describe方法用于基本的预定义统计数据，如计数、平均值、标准、最小值、最大值等。但是，为了找到任何列的不同值，您可以使用distinct()方法。

希望这可以帮助。