Question

我是Scala Spark的程序员，但我需要在项目中使用PySpark在Python中做一些事情。我想知道如何使用自定义行=＆gt; PySpark中的行映射转换。

例如：我有一个数据帧mydf：

id  x1,  x2
1    5    3
2    4    6
3    9    10

我希望将此数据帧转换为另一个数据帧，并在每行上执行映射操作。

所以我设计了一个map函数，它将一行作为输入，并生成一个新行作为输出。所以这是一个Row =＆gt;行地图：

def mySum (row):

   id = row.id
   result = row.x1 + row.x2

   return Row(id, result)

然后我想在python中使用，这与我在Scala中的相似

mynewdf = mydf.map( x=> mySum(x))

所以预期结果如下：

id  result
1    8
2    10
3    19

实际上，自定义函数非常复杂，所以我需要一个单独的函数来描述它。

如何使用PySpark在Python中执行此操作。谢谢，

Answer 1

等效的是lambda函数：

df.rdd.map(lambda x: mySum(x))

但是如果函数只将行作为参数，则可以直接将函数传递给map：

df.rdd.map(mySum)

def mySum (row):
    id = row.id
    result = row.x1 + row.x2
    return Row(id=id, result=result)

df.rdd.map(mySum).toDF().show()
+---+------+
| id|result|
+---+------+
|  1|     8|
|  2|    10|
|  3|    19|
+---+------+

Pyspark使用定制功能

1 个答案: