J'essaie de filtrer un dataframe PySpark qui a None
comme valeur de ligne:
df.select('dt_mvmt').distinct().collect()
[Row(dt_mvmt=u'2016-03-27'),
Row(dt_mvmt=u'2016-03-28'),
Row(dt_mvmt=u'2016-03-29'),
Row(dt_mvmt=None),
Row(dt_mvmt=u'2016-03-30'),
Row(dt_mvmt=u'2016-03-31')]
et je peux filtrer correctement avec une valeur de chaîne:
df[df.dt_mvmt == '2016-03-31']
# some results here
mais cela échoue:
df[df.dt_mvmt == None].count()
0
df[df.dt_mvmt != None].count()
0
Mais il y a certainement des valeurs dans chaque catégorie. Que se passe-t-il?