我定义了一个UDF,它将返回3个值。1是一个整数值。2是浮点值,3是列表。
mylist = [8,9.5,10,11,12]
def Calculat(mylist):
x = mylist[0]
y = mylist[1]
list = mylist[-3,-2,-1]
return x, y, list
然后我想用这个代码运行这个来定义3种类型
func = F.udf(lambda x: calculate(x), T.StructType(
[T.StructField("val1", T.IntegerType(), True),
T.StructField("val2", T.FloatType(), True),
T.StructField("val3", T.ListType(), True)]))
但是我得到这个错误
AttributeError:模块"pyspark.sql.types"没有属性"ListType">
ListType在Pyspark中不可用。您需要更改为ArrayType
,它总是需要一个已定义的元素类型。
func = F.udf(lambda x: calculate(x), T.StructType([
T.StructField("val0", T.IntegerType(), True),
T.StructField("val1", T.FloatType(), True),
T.StructField("val2", T.ArrayType(T.IntegerType()), True),
]))
我也有一个小小的想法。在开发UDF函数时,我非常喜欢UDF装饰器。我真的很喜欢这种方法,因为在我看来,它让代码看起来更干净。您的代码如下所示:
returnType=T.StructType([
T.StructField("val0", T.IntegerType(), True),
T.StructField("val1", T.FloatType(), True),
T.StructField("val2", T.ArrayType(T.IntegerType()), True),
])
@F.udf(returnType=returnType)
def calculate(mylist):
x = mylist[0]
y = mylist[1]
list = mylist[-3,-2,-1]
return x, y, list