在Spark中，data.drop()仅用于删除指定列，并不会移除包含null或NaN的行，因此数据行数不变。而data.na.drop()则会删除包含null或NaN值的行，导致所有行被移除。要调用DataFrameNaFunctions的drop接口，需先使用dataframe.na()。测试验证了这一行为。
问题描述：原始数据data总行数是1303638，使用data.drop()后数据总行数是1303638，使用data.na.drop()后数据总行数是0；为啥data.drop()没有丢弃null或nan的数据？
总结：
1）data.drop()如果不传递列名，不会做任何操作；
2）通过以下比较发现，drop是用来丢弃列的，而na.drop是用来丢弃行的；
3）通过以下比较发现，dataframe.drop是直接调用的dataset中drop接口；
4）如果想要调用DataframeNaFunctions中drop接口，需要先利用dataframe.na得到一个DataframeNaFunctions类型变量，然后利用该变量调用DataframeNaFunctions中drop接口。
参考：https://www.cnblogs.com/cc11001100/p/9954862.html
（1）na作用
Dataset中na接口的描述如下
（2）drop
查看DataframeNaFunctions中drop的api接口描述，如下，都是返回一个丢弃含有null/NaN的行后的新dataframe，
查看dataset中有关drop的api，描述如下，返回一个丢弃指定列的dataset
测试：
扫一扫
753
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
