在PySpark中使用pandas\u udf时无法填充数组

我有一个PySpark数据帧

+---+------+------+
|key|value1|value2|
+---+------+------+
|  a|     1|     0|
|  a|     1|    42|
|  b|     3|    -1|
|  b|    10|    -2|
+---+------+------+

我定义了一个像熊猫一样的世界-

schema = StructType([
    StructField("key", StringType())
])

arr = []
@pandas_udf(schema, PandasUDFType.GROUPED_MAP)
def g(df):
    k = df.key.iloc[0]
    series = [d for d in df.value2]
    arr.append(len(series))
    print(series)
    return pd.DataFrame([k])
df3.groupby("key").apply(g).collect()
print(arr)

很明显，数组arr应该是[2,2]，但它仍然是空的。 当我检查驱动程序日志时，print（series）的输出看起来是正确的，但是数组仍然是空的

返回类型对我来说并不重要，因为我没有更改/处理数据，我只想将其推送到自定义类对象中。

我必须为列表定义自定义类型并使用它

from pyspark.accumulators import AccumulatorParam
class ListParam(AccumulatorParam):
    def zero(self, val):
        return []
    def addInPlace(self, val1, val2):
        val1.append(val2)
        return val1

---

您是否可以尝试将arr设置为类似于

global arr=[]

？如果不起作用，请尝试使用

sc.broadcast（arr）