Python pyspark是否有org.apache.spark.functions.transform的等价物？

将函数应用于数组的每个元素（spark 3.0中新增） 然而，pyspark没有提到一个等价的函数

（有pyspark.sql.DataFrame.transform-但它用于转换数据帧，而不是数组元素）

编辑：

要避免UDF，可以使用F.expr（'transform…'）：

旧答案：

IIUC，我认为等价物是UDF<代码>x+1是要应用的功能

import pyspark.sql.functions as F
from pyspark.sql.types import IntegerType

add = F.udf(lambda arr: [x+1 for x in arr], ArrayType(IntegerType()))
df.select(add('col')).show()
+-------------+
|<lambda>(col)|
+-------------+
|       [2, 3]|
|       [4, 5]|
+-------------+

导入pyspark.sql.F函数
从pyspark.sql.types导入IntegerType
add=F.udf（lambda arr:[x+1表示arr中的x]，ArrayType（IntegerType（））
df.select（添加（'col'））.show（）
+-------------+
|（col）|
+-------------+
|       [2, 3]|
|       [4, 5]|
+-------------+

转换的目的是避免使用UDF函数进行转换functionality@OphirYoktan看到我编辑的答案了吗？

import pyspark.sql.functions as F
from pyspark.sql.types import IntegerType

add = F.udf(lambda arr: [x+1 for x in arr], ArrayType(IntegerType()))
df.select(add('col')).show()
+-------------+
|<lambda>(col)|
+-------------+
|       [2, 3]|
|       [4, 5]|
+-------------+