时间戳

首页 > 解决方案 > Pyspark 从数组列表转换为字符串列表

apache-spark - Pyspark 从数组列表转换为字符串列表

问题描述

给定一个带有数组列表的数据框

Schema 
|-- items: array (nullable = true)
 |    |-- element: struct (containsNull = true)
 |    |    |-- name: string (nullable = true)
 |    |    |-- quantity: string (nullable = true)

+-------------------------------+
|items                          |
+-------------------------------+
|[[A, 1], [B, 1], [C, 2]]       |
---------------------------------

我如何得到一个字符串：

+-------------------------------+
|items                          |
+-------------------------------+
|A, 1, B, 1, C, 2               |
---------------------------------

试过：

df.withColumn('item_str', concat_ws(" ", col("items"))).select("item_str").show(truncate = False)

错误：

: org.apache.spark.sql.AnalysisException: cannot resolve 'concat_ws(' ', `items`)' due to data type mismatch: argument 2 requires (array<string> or string) type, however, '`items`' is of array<struct<name:string,quantity:string>> type.;;

标签： apache-sparkpysparkapache-spark-sqlpyspark-sql

解决方案

您可以使用transform和array_join内置函数的组合来实现：

from pyspark.sql.functions import expr

df.withColumn("items", expr("array_join(transform(items, \
                                i -> concat_ws(',', i.name, i.quantity)), ',')"))

我们使用 transform 在项目之间进行迭代，并将它们中的每一个转换为一个name,quantity. 然后我们使用array_join 连接所有的项目，由transform 返回，用逗号分隔。

推荐阅读