Apache spark 将pyspark列转换为列表
我以为这很容易,但找不到答案:-) 如何将中的“名称”列转换为列表。我希望我能让isin工作,而不是加入另一个datframe列。但isin似乎需要一个列表(如果我理解正确的话) 创建datframe:Apache spark 将pyspark列转换为列表,apache-spark,pyspark,Apache Spark,Pyspark,我以为这很容易,但找不到答案:-) 如何将中的“名称”列转换为列表。我希望我能让isin工作,而不是加入另一个datframe列。但isin似乎需要一个列表(如果我理解正确的话) 创建datframe: from pyspark import SparkContext, SparkConf, SQLContext from datetime import datetime sc = SparkContext().getOrCreate() sqlContext = SQLContext(sc)
from pyspark import SparkContext, SparkConf, SQLContext
from datetime import datetime
sc = SparkContext().getOrCreate()
sqlContext = SQLContext(sc)
data2 = [
('George', datetime(2010, 3, 24, 3, 19, 58), 3),
('Sally', datetime(2009, 12, 12, 17, 21, 30), 5),
('Frank', datetime(2010, 11, 22, 13, 29, 40), 2),
('Paul', datetime(2010, 2, 8, 3, 31, 23), 8),
('Jesus', datetime(2009, 1, 1, 4, 19, 47), 2),
('Lou', datetime(2010, 3, 2, 4, 33, 51), 3),
]
df2 = sqlContext.createDataFrame(data2, ['name', 'trial_start_time', 'purchase_time'])
df2.show(truncate=False)
应该是这样的:
+------+-------------------+-------------+
|name |trial_start_time |purchase_time|
+------+-------------------+-------------+
|George|2010-03-24 07:19:58|3 |
|Sally |2009-12-12 22:21:30|5 |
|Frank |2010-11-22 18:29:40|2 |
|Paul |2010-02-08 08:31:23|8 |
|Jesus |2009-01-01 09:19:47|2 |
|Lou |2010-03-02 09:33:51|3 |
+------+-------------------+-------------+
我不确定collect是否是我能做到的最接近的方法
df2.选择(“名称”).collect()
关于如何将name列输出到列表中,有什么建议吗
它可能需要如下所示:
[George,Sally,Frank,Paul,Jesus,Lou]使用
收集列表
函数,然后收集以获取列表变量
示例:
from pyspark.sql.functions import *
df2.agg(collect_list(col("name")).alias("name")).show(10,False)
#+----------------------------------------+
#|name |
#+----------------------------------------+
#|[George, Sally, Frank, Paul, Jesus, Lou]|
#+----------------------------------------+
lst=df2.agg(collect_list(col("name"))).collect()[0][0]
lst
#['George', 'Sally', 'Frank', 'Paul', 'Jesus', 'Lou']
from pyspark.sql.functions import *
df2.agg(collect_list(col("name")).alias("name")).show(10,False)
#+----------------------------------------+
#|name |
#+----------------------------------------+
#|[George, Sally, Frank, Paul, Jesus, Lou]|
#+----------------------------------------+
lst=df2.agg(collect_list(col("name"))).collect()[0][0]
lst
#['George', 'Sally', 'Frank', 'Paul', 'Jesus', 'Lou']