如何使用pySpark数据框的多个列创建BinaryType列？

Question

我最近开始使用pySpark，所以对此一无所知。

我正在尝试在数据框中创建BinaryType列？但是努力去做...

例如，让我们做一个简单的df

df.show(2)

+---+----------+
|  col1|col2|
+---+----------+
|  "1"| null|
|  "2"| "20"|
+---+----------+

现在，我想使用BinaryType作为第三列“ col3”

|  col1|col2| col3|
+---+----------+
|  "1"| null|[1 null]
|  "2"| "20"|[ 2 20]
+---+----------+

我应该怎么做？

Answer 1

尝试一下：

a = [('1', None), ('2', '20')]
df = spark.createDataFrame(a, ['col1', 'col2'])
df.show()

+----+----+
|col1|col2|
+----+----+
|   1|null|
|   2|  20|
+----+----+



df = df.withColumn('col3', F.array(['col1', 'col2']))
df.show()


+----+----+-------+
|col1|col2|   col3|
+----+----+-------+
|   1|null|   [1,]|
|   2|  20|[2, 20]|
+----+----+-------+