如何在Spark中收集单个列？

Question

我想对单个列执行操作。 不幸的是，在我转换该列之后，它现在不再是它来自的数据帧的一部分，而是一个Column对象。因此，它无法收集。

以下是一个例子：

df = sqlContext.createDataFrame([Row(array=[1,2,3])])
df['array'].collect()

这会产生以下错误：

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'Column' object is not callable

如何在单个列上使用collect()函数？

Answer 1

只需选择flatMap：

即可

df.select("array").flatMap(lambda x: x).collect()
## [[1, 2, 3]] 

编辑23/1/2017

从Spark 2.0.0开始，您需要明确指定.rdd才能使用flatMap

df.select("array").rdd.flatMap(lambda x: x).collect()