我有一个带有1个数组列col1
的spark DF
+--------------------------+
|COL1 |
| |
+---------------------------
|[101:10001:A, 102:10002:B]|
|[201:20001:B, 202:20002:A]|
对于数组中的所有元素,我在上进行拆分:,并且如果拆分的最后一部分是A,则要选择第一部分(例如101),否则没有。
预期输出:
+--------------------------+
|COL2 |
| |
+---------------------------
|[101, None] |
|[None, 202] |
代码:
expr = """
transform(COL1,
e -> when(split(e,':')[2] == 'A', split(e, ':')[0]).otherwise(None)
)
"""
df = df.withColumn("COL2", expr(expr))
我收到了ParseException
\nextraneous input '(' expecting {')', ','}(line 3, pos 70)\n\n== SQL ==\n\n transform(COL1,\n e -> when(split(e,':')[2] == 'A', split(e, ':')[0]).otherwise(None)\n----------------------------------------------------------------------^^^\n )\n \n"
Traceback (most recent call last):
File "/usr/lib/spark/python/lib/pyspark.zip/pyspark/sql/functions.py", line 675, in expr
return Column(sc._jvm.functions.expr(str))
File "/usr/lib/spark/python/lib/py4j-0.10.7-src.zip/py4j/java_gateway.py", line 1257, in __call__
answer, self.gateway_client, self.target_id, self.name)
File "/usr/lib/spark/python/lib/pyspark.zip/pyspark/sql/utils.py", line 73, in deco
raise ParseException(s.split(': ', 1)[1], stackTrace)
答案 0 :(得分:2)
在expr()
函数中,您需要使用SQL语法,并且还必须重命名变量expr
,该变量将覆盖API函数expr
并使其成为字符串。 (如果您不希望使用文字字符串NULL
,请在SQL中使用None
):
from pyspark.sql.functions import expr
expr1 = """
transform(COL1,
e -> IF(split(e,':')[2] = 'A', split(e,':')[0], "None")
)
"""
df.withColumn("COL2", expr(expr1)).show()