Python 将字符串转换为嵌套数组-PySpark

我有一个PySpark DataFrame列，其中包含如下所示的字符串数据：

[[Closed], [10:30am-11:30am, 12:30pm-1:30pm, 7:00pm-8:00pm], [12:30pm-1:30pm, 6:00pm-7:00pm, 7:30pm-8:30pm], [10:30am-11:30am, 12:30pm-1:30pm, 7:00pm-8:00pm], [12:30pm-1:30pm, 6:00pm-7:00pm], [12:30pm-1:30pm, 7:00pm-8:00pm], [10:00am-11:00am, 12:00pm-1:00pm]]

它是一个字符串，但理想情况下应该是一个包含7个元素的数组（星期日-星期六）

我想将此列转换为数组，以便访问第0个元素：

[Closed]

第一要素：

[10:30am-11:30am, 12:30pm-1:30pm, 7:00pm-8:00pm]

第二要素：

[12:30pm-1:30pm, 6:00pm-7:00pm, 7:30pm-8:30pm]

等等

我尝试使用以下代码将列强制转换为数组：

hours = hours.withColumn(
"hoursArray",
split(col("hours"), ",\s*").cast(ArrayType(StringType())).alias("ev"))

但是，当我尝试访问结果数组的第一个元素时，我得到：

[10:30am-11:30am

而不是：

[10:30am-11:30am, 12:30pm-1:30pm, 7:00pm-8:00pm]

---

有什么好处？我假设我在逗号上拆分，而不是在右括号上拆分，但我尝试将其更改为无结果。有什么简单的事情我做错了吗？谢谢你

@pansen修复了这个问题。这是一个正则表达式修复，超级干净。更正后的代码为：

hours = hours.withColumn(
"hoursArray",
split(col("hours"), "\],\s*\[").cast(ArrayType(StringType())).alias("ev"))

---

我会把它分解成您需要的每个元素，然后重新构建列表。如果这有意义的话。我想你可以把它转换成numpy数组，然后使用

numpy.squence

。这可能会给你预期的结果。我还没试过，但我想这应该行得通。当我使用

“\]，\s*\[”时，你的解决方案对我很有效

。很抱歉，我不使用python，所以我只能在这里猜测，但我认为您应该使用regex match，它是存在的，而不是split。split将分割字符串，但它将删除匹配的部分，您希望保留匹配部分的一部分，而正确的模式匹配将完成此操作。