Pyspark 将密集列向量转换为行
我有一个3列的数据框,每个条目都是相同长度的密集向量。 如何融化矢量条目 当前数据帧: 第1列|第2列| [1.0,2.0,3.0]|[10.0,4.0,3.0] [5.0,4.0,3.0]|[11.0,26.0,3.0] [9.0,8.0,7.0]|[13.0,7.0,3.0] 预期: 第1列|第2列 1.0。10.0 2.0。4.0 3.0。3.0 5.0。11.0 4.0。26.0 3.0。3.0 9.0。13.0Pyspark 将密集列向量转换为行,pyspark,apache-spark-sql,melt,Pyspark,Apache Spark Sql,Melt,我有一个3列的数据框,每个条目都是相同长度的密集向量。 如何融化矢量条目 当前数据帧: 第1列|第2列| [1.0,2.0,3.0]|[10.0,4.0,3.0] [5.0,4.0,3.0]|[11.0,26.0,3.0] [9.0,8.0,7.0]|[13.0,7.0,3.0] 预期: 第1列|第2列 1.0。10.0 2.0。4.0 3.0。3.0 5.0。11.0 4.0。26.0 3.0。3.0 9.0。13.0 步骤1:让我们创建初始数据帧: myValues = [([1.0,2.
步骤1:让我们创建初始数据帧:
myValues = [([1.0,2.0,3.0],[10.0,4.0,3.0]),([5.0,4.0,3.0],[11.0,26.0,3.0]),([9.0,8.0,7.0],[13.0,7.0,3.0])]
df = sqlContext.createDataFrame(myValues,['column1','column2'])
df.show()
+---------------+-----------------+
| column1| column2|
+---------------+-----------------+
|[1.0, 2.0, 3.0]| [10.0, 4.0, 3.0]|
|[5.0, 4.0, 3.0]|[11.0, 26.0, 3.0]|
|[9.0, 8.0, 7.0]| [13.0, 7.0, 3.0]|
+---------------+-----------------+
第2步:现在,分解两列,但是在我们zip
数组之后。在这里,我们知道list/array
的长度是3
from pyspark.sql.functions import array, struct
tmp = explode(array(*[
struct(col("column1").getItem(i).alias("column1"), col("column2").getItem(i).alias("column2"))
for i in range(3)
]))
df=(df.withColumn("tmp", tmp).select(col("tmp").getItem("column1").alias('column1'), col("tmp").getItem("column2").alias('column2')))
df.show()
+-------+-------+
|column1|column2|
+-------+-------+
| 1.0| 10.0|
| 2.0| 4.0|
| 3.0| 3.0|
| 5.0| 11.0|
| 4.0| 26.0|
| 3.0| 3.0|
| 9.0| 13.0|
| 8.0| 7.0|
| 7.0| 3.0|
+-------+-------+
非常感谢。这真的很有帮助,不用担心。你能接受这个答案吗?