当前接收一个火花数据帧,并将其转换为熊猫数据帧以生成行列表。我想在不将其变成熊猫数据帧的情况下创建列表。Function2 将函数应用于每行的字符串表示形式。列名将不是常量。
def func1(df):
df = df.select("*").toPandas()
job_args = [(", ".join(str(i) for i in list(filter(None.__ne__, df.iloc[c].tolist())))) for c in range(0, len(df))]
results = spark.sparkContext.parallelize(job_args).map(lambda n: function2(n)).collect()
return results
例:
+-----+-----+
|index|count|
+-----+-----+
| 1 | 5 |
| 2 | 9 |
| 3 | 3 |
| 4 | 1 |
成为
rows[0] = [1,5]
rows[1] = [2,9]
rows[2] = [3,3]
rows[3] = [4,1]
如果目标是获取 Spark 数据帧中的所有列并将它们连接到一个字符串,则可以使用以下 2 个步骤来完成:
- 使用数组函数创建一个新的 col,并将所有 col 放入其中
- 使用array_join函数将元素连接成单个字符串
这是一个如何做到这一点的工作示例:
import pyspark.sql.functions as f
l = [(1, 5), (2, 9), (3, 3), (4, 1)]
df = spark.createDataFrame(l, ['index', 'count'])
(
df
.withColumn('arr', f.array(df.columns))
.withColumn('str', f.array_join('arr', ', '))
.select('str')
).show()
+----+
| str|
+----+
|1, 5|
|2, 9|
|3, 3|
|4, 1|
+----+