lambda是否在PySpark UDF中

在PySpark中使用lamdba函数有什么好处？以下是一个例子：

def square(x):
    return float(x**2)

对于lambda，我尝试了以下方法：

f_square = udf(lambda x: square(x), FloatType())
result_w_square = result.withColumn('square', f_square(result.x))

f_square = udf(square, FloatType())
result_w_square2 = result.withColumn('square', f_square(result.x))

没有lambda，我尝试了以下方法：

f_square = udf(lambda x: square(x), FloatType())
result_w_square = result.withColumn('square', f_square(result.x))

f_square = udf(square, FloatType())
result_w_square2 = result.withColumn('square', f_square(result.x))

---

我得到了同样的结果。哪种方法更好？

withColumn和其他Spark Python API函数旨在采用Python表达式在远程机器上运行相同的表达式

但是，Python函数只能将对象作为参数而不是表达式。要将表达式作为对象处理，唯一的方法是编写包含表达式的函数。在Python中，函数是第一类对象

但是，如果不重用表达式，每次编写函数都会很麻烦。使用lambda，您可以编写匿名函数，而无需任何函数定义。在许多情况下，编写lambda表达式可以很简洁

因此，根据是否重用表达式，您可以选择其中一种方式