将数组传递给Python Spark函数
假设我有一个numpy数组a,它包含数字1-10。所以a是[1 2 3 4 5 6 7 8 9 10] 现在,我还有一个Python Spark数据帧,我想在其中添加我的numpy数组a。我认为一列文字就可以完成这项工作。因此,我做了以下工作:将数组传递给Python Spark函数,python,apache-spark,pyspark,literals,pyspark-sql,Python,Apache Spark,Pyspark,Literals,Pyspark Sql,假设我有一个numpy数组a,它包含数字1-10。所以a是[1 2 3 4 5 6 7 8 9 10] 现在,我还有一个Python Spark数据帧,我想在其中添加我的numpy数组a。我认为一列文字就可以完成这项工作。因此,我做了以下工作: df = df.withColumn("NewColumn", F.lit(a)) 这不管用。错误为“不支持的文字类型类java.util.ArrayList” 现在,如果我只尝试数组中的一个元素,如下所示,它可以工作 df = df.withColu
df = df.withColumn("NewColumn", F.lit(a))
这不管用。错误为“不支持的文字类型类java.util.ArrayList”
现在,如果我只尝试数组中的一个元素,如下所示,它可以工作
df = df.withColumn("NewColumn", F.lit(a[0]))
有什么办法可以让我做我想做的吗?我已经为我想完成的任务工作了好几天,这是我最近一次完成它。我已经看了所有相关的堆栈溢出问题,但我没有得到我想要的答案。感谢您的帮助。谢谢。对于数组中的循环内置函数
您可以使用array
内置函数作为
你应该
+--------------------+-------------------------------+
|col1 |NewColumn |
+--------------------+-------------------------------+
|a b c d e f g h i j |[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]|
+--------------------+-------------------------------+
root
|-- col1: string (nullable = true)
|-- NewColumn: array (nullable = false)
| |-- element: integer (containsNull = false)
使用udf函数
输出与for循环方式相同
已更新
我正在粘贴下面给出的@pault的评论
您可以使用
map
:df.withColumn(“NewColumn”,F.array(map(F.lit,a)))隐藏循环。
在ScalaAPI中,我们可以使用“typedLit”函数在列中添加数组或映射值
//参考:
下面是将数组或映射添加为列值的示例代码
import org.apache.spark.sql.functions.typedLit
val df1 = Seq((1, 0), (2, 3)).toDF("a", "b")
df1.withColumn("seq", typedLit(Seq(1,2,3)))
.withColumn("map", typedLit(Map(1 -> 2)))
.show(truncate=false)
//输出
+---+---+---------+--------+
|a |b |seq |map |
+---+---+---------+--------+
|1 |0 |[1, 2, 3]|[1 -> 2]|
|2 |3 |[1, 2, 3]|[1 -> 2]|
+---+---+---------+--------+
我希望这会有所帮助。给出一个添加列前后的
df
示例。df before:col1:a b c d e f g h I j df after:col1:a b c d e f g h I j;新专栏:12345678910我试过这个,效果很好。谢谢你的回答,我现在就这样回答。然而,在现实中,我的“a”数组有成千上万个条目,并且由于for循环,它不是很有效。有没有一种方法可以不使用循环?a.R.我已经使用udf函数更新了我的答案,该函数不需要循环。如果答案有帮助,您可以接受它并上传。您可以使用map
:df.withColumn(“NewColumn”,F.array(map(F.lit,a)))隐藏循环。
@pault map不是rdd函数吗?此外,map的输出既不是字符串也不是列,因此withColumn
将抛出错误。@pault,我认为这应该是F.array(*map(F.lit,a))
,使用(star)spread运算符,因为F.array无法处理map对象。这并不能回答问题,OP要求提供pyspark解决方案。
import org.apache.spark.sql.functions.typedLit
val df1 = Seq((1, 0), (2, 3)).toDF("a", "b")
df1.withColumn("seq", typedLit(Seq(1,2,3)))
.withColumn("map", typedLit(Map(1 -> 2)))
.show(truncate=false)
+---+---+---------+--------+
|a |b |seq |map |
+---+---+---------+--------+
|1 |0 |[1, 2, 3]|[1 -> 2]|
|2 |3 |[1, 2, 3]|[1 -> 2]|
+---+---+---------+--------+