我有一个RDD,我已经转换为Spark SQL DataFrame。我想用UDF进行大量的列转换,最终看起来像这样:
df = df.withColumn("col1", udf1(df.col1))\
.withColumn("col2", udf2(df.col2))\
...
...
.withColumn("newcol", udf(df.oldcol1, df.oldcol2))\
.drop(df.oldcol1).drop(df.oldcol2)\
...
等。
是否有更简洁的方式来表达这一点(重复的withColumn
和drop
来电)?
答案 0 :(得分:1)
您可以在一个表达式中传递多个操作。
exprs = [udf1(col("col1")).alias("col1"),
udf2(col("col2")).alias("col2"),
...
udfn(col("coln")).alias("coln")]
然后将其解压缩到select
:
df = df.select(*exprs)
因此,采用这种方法,您将对udfs
执行此类df
,并重命名结果列。请注意,我的答案几乎与this完全相同,但问题与我的完全不同,所以这就是为什么我决定回答它而不是将其标记为重复。