Apache spark Pyspark udf对没有参数的函数失败，但对没有参数的lambda有效

我正在尝试使用withColumn和udf向Spark数据框添加一个不带参数的列。只有当我使用lambda来封装我的原始函数时，这似乎才起作用

这里有一个MWE：

from pyspark.sql import Row, SparkSession
from pyspark.sql.functions import udf

spark = SparkSession.builder.getOrCreate()
df = spark.createDataFrame([Row(number=i) for i in range(10)])

def foo():
    return 'bar'

udfoo = udf(foo())
df = df.withColumn('word', udfoo())
# Fails with TypeError: _create_udf() missing 1 required positional argument: 'f'

udfoo = udf(lambda: foo())
df = df.withColumn('word', udfoo())
# Works

我已经成功地实现了我想要的行为，所以解决方案并不完全是我想要的，尽管我欢迎任何关于更好/更惯用的方法来实现这类事情的建议。如果有人在这里寻找如何做的答案

我真正想要的是一个解释：为什么第一个解决方案失败，第一个工作

我在Ubuntu18.04.2上使用spark 2.4.0和python 3.7.3，udf希望传递一个函数给它，但当调用foo时，它会立即计算为字符串

如果使用udffoo而不是udffoo，您将看到预期的行为

i、 e

如果有帮助，如果您试图获取的列只是一个常量值，则可以使用pyspark.sql.functions.lit，如：

udf希望将函数传递给它，但当您调用foo时，它会立即计算为字符串

如果使用udffoo而不是udffoo，您将看到预期的行为

i、 e

如果有帮助，如果您试图获取的列只是一个常量值，则可以使用pyspark.sql.functions.lit，如：

---

这很有道理，这个问题一直困扰着我！谢谢你对lit的解释，这个MWE并不完全是我想要做的，但它可能会帮助未来的读者。这很有道理，这个问题一直困扰着我！谢谢你对lit的解释，这个MWE并不是我想要做的，但它可能会帮助未来的读者。

udfoo = udf(foo)
df = df.withColumn('word', udfoo())

from pyspark.sql import functions as F

df.withColumn('word', F.lit('bar'))