He a continuación el código en Python, pero tengo que convertir esto en pyspark,
qm1['c1'] = [x[0] in x[1] for x in zip(qm1['id'], qm1['question'])]
qm1['c1'] = qm1['c1'].astype(str)
qm1a = qm1[(qm1.c1 == 'True')]
La salida de este código en python es
| pregunta | clave | id | c1 |
|---|---|---|---|
| Las mujeres | 0 | presagio | Cierto |
| máquina | 0 | mac | Cierto |
Podría alguien por favor me ayude a salir en el mismo como soy un novato en Python?
aquí está mi prueba de la prueba (como su pregunta no contiene)
df.show()
+--------+---+----+
|question|key| id|
+--------+---+----+
| Women| 0|omen|
| machine| 2| mac|
| foo| 1| bar|
+--------+---+----+
y mi código para crear el resultado esperado :
from pyspark.sql import functions as F
df = df.withColumn("c1", F.col("question").contains(F.col("id")))
df.show()
+--------+---+----+-----+
|question|key| id| c1|
+--------+---+----+-----+
| Women| 0|omen| true|
| machine| 2| mac| true|
| foo| 1| bar|false|
+--------+---+----+-----+
a continuación, puede simplemente filter c1:
df.where("c1").show()
+--------+---+----+----+
|question|key| id| c1|
+--------+---+----+----+
| Women| 0|omen|true|
| machine| 2| mac|true|
+--------+---+----+----+