无法通过单个UDF调用创建多个顶级列,但可以创建一个新的
struct。它需要具有指定的UDF
returnType:
from pyspark.sql.functions import udffrom pyspark.sql.types import *schema = StructType([ StructField("foo", FloatType(), False), StructField("bar", FloatType(), False)])def udf_test(n): return (n / 2, n % 2) if n and n != 0.0 else (float('nan'), float('nan'))test_udf = udf(udf_test, schema)df = sc.parallelize([(1, 2.0), (2, 3.0)]).toDF(["x", "y"])foobars = df.select(test_udf("y").alias("foobar"))foobars.printSchema()## root## |-- foobar: struct (nullable = true)## | |-- foo: float (nullable = false)## | |-- bar: float (nullable = false)
您可以使用简单的方法进一步简化架构
select:
foobars.select("foobar.foo", "foobar.bar").show()## +---+---+## |foo|bar|## +---+---+## |1.0|0.0|## |1.5|1.0|## +---+---+
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)