Question

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)

Answer 1

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()

分割后变换数组的元素

1 个答案: