使用UDF处理多个列时发生堆栈溢出

使用UDF处理多个列时发生堆栈溢出

尝试这样的事情：

from pyspark.sql.functions import col, lower, trimexprs = [    lower(trim(col(c))).alias(c) if t == "string" else col(c)     for (c, t) in df.dtypes]df.select(*exprs)

与您当前的解决方案相比，此方法有两个主要优点：

• 它仅需要单个投影（没有增长的谱系，这很可能导致SO），而不是每个字符串列的投影。
• 它仅直接 *** 作内部表示，而没有将数据传递给Python（

  BatchPythonProcessing

  ）。