Question

这里我创建了一个如下的日期框架，

df = spark.createDataFrame([('a',5,'R','X'),('b',7,'G','S'),('c',8,'G','S')], 
                       ["Id","V1","V2","V3"])

看起来像是

+---+---+---+---+
| Id| V1| V2| V3|
+---+---+---+---+
|  a|  5|  R|  X|
|  b|  7|  G|  S|
|  c|  8|  G|  S|
+---+---+---+---+

我想添加一个由V1，V2，V3组成的元组列。

结果应该是

+---+---+---+---+-------+
| Id| V1| V2| V3|V_tuple|
+---+---+---+---+-------+
|  a|  5|  R|  X|(5,R,X)|
|  b|  7|  G|  S|(7,G,S)|
|  c|  8|  G|  S|(8,G,S)|
+---+---+---+---+-------+

我尝试使用与Python类似的syntex，但它不起作用：

df.withColumn("V_tuple",list(zip(df.V1,df.V2,df.V3)))

TypeError：zip参数＃1必须支持迭代。

任何帮助将不胜感激！

Answer 1

我来自scala，但我相信python中有类似的方式：

使用sql.functions包mehtod：

如果您希望使用此三列获得StructType，请使用struct(cols: Column*): Column方法，如下所示：

from pyspark.sql.functions import struct
df.withColumn("V_tuple",struct(df.V1,df.V2,df.V3))

但如果你想把它作为一个字符串，你可以像这样使用concat(exprs: Column*): Column方法：

from pyspark.sql.functions import concat
df.withColumn("V_tuple",concat(df.V1,df.V2,df.V3))

使用第二种方法，您可能需要将列转换为String s

我不确定python语法，如果语法错误，只需编辑答案。

希望这对你有所帮助。最诚挚的问候

Answer 2

使用struct：

from pyspark.sql.functions import struct

df.withColumn("V_tuple", struct(df.V1,df.V2,df.V3))

PySpark：添加一个新列，其中包含从列创建的元组

2 个答案: