将火花数据帧转换为每行的列表

Question

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]

Answer 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：

1. 使用数组函数创建一个新的 col，并将所有 col 放入其中
2. 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|
+----+