更新Pyspark中映射类型列的结构化值

Question

我正试图修改Map类型的Dataframe列，其值依次为Struct:类型

root
|-- name: string (nullable = true)
|-- age: long (nullable = true)
|-- MapName: map (nullable = true)
|    |-- key: string
|    |-- value: struct (valueContainsNull = true)
|    |    |-- field1: double (nullable = true)
|    |    |-- field2: double (nullable = true)

我创建DataFrame的方式是将MapName列初始化为None，因为我需要在稍后阶段填写信息。我使用的代码如下：

from pyspark.sql import SparkSession, DataFrame
from pyspark.sql.functions import col, udf, lit
from pyspark.sql.types import StructType, StringType, LongType, DoubleType, MapType
spark = SparkSession.builder.appName("testMapType").getOrCreate()
data = [('Alice', 1)]
df = spark.createDataFrame(data, ['name','age'])
def value_struct():
schema = StructType([
StructField('field1', DoubleType(), True),
StructField('field2', DoubleType(), True)])
return schema
myschema = StructType([
StructField('name', StringType(), True),
StructField('age', LongType(), True),
StructField('MapName', MapType(StringType(), value_struct()), True)])
df = df.withColumn('MapName',lit(None).cast(MapType(StringType(), value_struct())))
df = spark.createDataFrame(df.rdd, schema=myschema)
df.printSchema()

现在，当我尝试使用udf更新MapName列时，如下所示：

my_update_udf = udf(lambda x: {**x, **{'a_map_key':{'field1':3.2,'field2':2.6}}}, MapType(StringType(), value_struct()))
df2 = df.withColumn('MapName', my_update_udf(col('MapName')))
df2.collect()

我得到以下错误：

TypeError: 'NoneType' object is not a mapping

我从过去的询问中找不到任何建议，有什么帮助吗？

Answer 1

您不需要UDF。您可以使用相关的Spark SQL函数来创建映射和结构。

import pyspark.sql.functions as F
new_map = F.create_map(
F.lit('a_map_key'),
F.struct(
F.lit(3.2).alias('field1'),
F.lit(2.6).alias('field2')
)
)
df2 = df.withColumn(
'MapName',
F.when(
F.col('MapName').isNotNull(),      # need to check null because 
F.map_concat('MapName', new_map)   # map_concat doesn't work if map is null
).otherwise(new_map)
)
df2.show(truncate=False)
+-----+---+-------------------------+
|name |age|MapName                  |
+-----+---+-------------------------+
|Alice|1  |[a_map_key -> [3.2, 2.6]]|
+-----+---+-------------------------+