Как разрешить нулевые значения не хранятся в HBase в Pandas Python? - PullRequest
Новая
       18

Как разрешить нулевые значения не хранятся в HBase в Pandas Python?

1 голос
/ 08 января 2020

У меня есть некоторые примеры данных, как показано ниже: 

    test_a      test_b   test_c   test_d   test_date
    -------------------------------------------------
1   a           500      0.1      111      20191101
2   a           NaN      0.2      NaN      20191102
3   a           200      0.1      111      20191103
4   a           400      NaN      222      20191104
5   a           NaN      0.2      333      20191105

Я хотел бы разрешить хранение этих данных в Hbase, и я использую приведенный ниже код для достижения этого. 

from test.db import impala, hbasecon, HiveClient
import pandas as pd

sql = """
    SELECT test_a
            ,test_b
            ,test_c
            ,test_d
            ,test_date
    FROM table_test
    """

conn_impa = HiveClient().getcon()
all_df = pd.read_sql(sql=sql, con=conn_impa, chunksize=50000)

num = 0

for df in all_df:
    df = df.fillna('')
    df["s"] = df["test_d"] + df["test_date"]
    tmp_num = len(df)
    if len(df) > 0:
        with hintltable.batch(batch_size=1000) as b:
            df.apply(lambda row: b.put(row["k"], {
                'test:test_a': str(row["test_a"]),
                'test:test_b': str(row["test_b"]),
                'test:test_c': str(row["test_c"]),
            }), axis=1)

            num += len(df)

Когда я запрашиваю Hbase get 'test', 'a201911012', я получаю следующий результат: 

COLUMN                           CELL                                                                                         
 test:test_a                      timestamp=1578389750838, value=a                                                              
 test:test_b                      timestamp=1578389788675, value=                                                              
 test:test_c                      timestamp=1578389775471, value=0.2                                                              
 test:test_d                      timestamp=1578449081388, value=

Как обеспечить сохранение нулевых значений в HBase в Pandas Python? Нам не нужны нулевые или пустые строковые значения, наш ожидаемый результат: 

COLUMN                           CELL                                                                                         
 test:test_a                      timestamp=1578389750838, value=a                                                                                                                       
 test:test_c                      timestamp=1578389775471, value=0.2

1 Ответ

1 голос
/ 08 января 2020

Вы должны быть в состоянии сделать это, создав пользовательскую функцию и вызвав ее в своей лямбда-функции. Например, у вас может быть функция - 

def makeEntry(a, b, c):
    entrydict = {}
    ## using the fact that NaN == NaN is supposed to be False and empty strings are Falsy
    if(a==a and a):
        entrydict ["test:test_a"] = str(a)
    if(b==b and b):
        entrydict ["test:test_b"] = str(b)
    if(c==c and c):
        entrydict ["test:test_c"] = str(c)
    return entrydict

, а затем вы можете изменить свою функцию применения на - 

df.apply(lambda row: b.put(row["k"],
makeEntry(row["test_a"],row["test_b"],row["test_c"])), axis=1)

Таким образом, вместо этого вы вводите только значения, которые не NaN всех значений.

...