PySpark中如何基于列值过滤Row列表并获取指定字段值

方法1：列表推导式（简洁高效） #

直接用列表推导式筛选出sample_label等于0的Row，再提取对应的num_samples：

rows = [Row(sample_label=1, num_samples=14398),
        Row(sample_label=0, num_samples=12500),
        Row(sample_label=2, num_samples=98230)]

# 直接提取（假设一定存在匹配项）
target_num = [row.num_samples for row in rows if row.sample_label == 0][0]
print(target_num)  # 输出 12500

如果怕没有匹配项报错，可以先做判断：

target_list = [row.num_samples for row in rows if row.sample_label == 0]
target_num = target_list[0] if target_list else None  # 无匹配时返回None，按需调整

方法2：filter函数配合lambda #

用filter()快速筛选符合条件的Row，再取值：

from pyspark.sql import Row

rows = [Row(sample_label=1, num_samples=14398),
        Row(sample_label=0, num_samples=12500),
        Row(sample_label=2, num_samples=98230)]

# 筛选后转列表取第一个，再提取num_samples
filtered_row = list(filter(lambda x: x.sample_label == 0, rows))[0]
target_num = filtered_row.num_samples
print(target_num)  # 输出 12500

方法3：循环遍历（直观易懂） #

逐个遍历Row，检查sample_label，符合条件就提取值：

rows = [Row(sample_label=1, num_samples=14398),
        Row(sample_label=0, num_samples=12500),
        Row(sample_label=2, num_samples=98230)]

target_num = None
for row in rows:
    if row.sample_label == 0:
        target_num = row.num_samples
        break  # 找到就退出循环，不用继续遍历

print(target_num)  # 输出 12500

补充说明：Row对象支持两种属性访问方式，除了row.sample_label，也可以用字典式访问row['sample_label']，效果完全一致，选你习惯的方式就行。

内容的提问来源于stack exchange，提问作者Salty Gold Fish