Question

我在想是否有可能创建一个UDF来接收两个参数Column和另一个变量（Object，Dictionary或任何其他类型），然后做一些操作并返回结果。

实际上，我试图这样做，但我得到了一个例外。因此，我想知道是否有办法避免这个问题。

df = sqlContext.createDataFrame([("Bonsanto", 20, 2000.00), 
                                 ("Hayek", 60, 3000.00), 
                                 ("Mises", 60, 1000.0)], 
                                ["name", "age", "balance"])

comparatorUDF = udf(lambda c, n: c == n, BooleanType())

df.where(comparatorUDF(col("name"), "Bonsanto")).show()

我收到以下错误：

AnalysisException：u“无法解析'Bonsanto'给定的输入列姓名，年龄，平衡;“

很明显，UDF“看到”string“Bonsanto”作为列名，实际上我正在尝试将记录值与第二个参数进行比较。

另一方面，我知道可以在where子句中使用一些运算符（但实际上我想知道它是否可以使用UDF实现），如下所示：

df.where(col("name") == "Bonsanto").show()

#+--------+---+-------+
#|    name|age|balance|
#+--------+---+-------+
#|Bonsanto| 20| 2000.0|
#+--------+---+-------+

Answer 1

传递给UDF的所有内容都被解释为列/列名称。如果你想传递一个文字，你有两个选择：

使用currying传递参数：

def comparatorUDF(n):
    return udf(lambda c: c == n, BooleanType())

df.where(comparatorUDF("Bonsanto")(col("name")))

只要可序列化，它就可以与任何类型的参数一起使用。

使用SQL文字和当前实现：
```
from pyspark.sql.functions import lit

df.where(comparatorUDF(col("name"), lit("Bonsanto")))
```
这仅适用于受支持的类型（字符串，数字，布尔值）。对于非原子类型，请参阅How to add a constant column in a Spark DataFrame?

如何将常量值传递给Python UDF？

1 个答案: