Question

我的python方法在下面；

def leadtime_crossdock_calc(slt, wlt, dow, freq):
    temp_lt = [0, 0, 0, 0, 0, 0, 0]
    remaining = []
    for i in range(0, 7):
        remaining.append((dow[i:] + dow[:i]).index(1))
    for i in range(7):
        if freq[i] == 1:
            supplier_lt = int(slt[i])
            warehouse_lt = int(wlt[(i + supplier_lt) % 7])
            waiting = int(remaining[(i + supplier_lt + warehouse_lt) % 7])
            temp_lt[i] = supplier_lt + warehouse_lt + waiting
    for i in range(7):
        if temp_lt[i] == 0:
            temp_lt[i] = next((value for index, value in enumerate(temp_lt[i:] + temp_lt[:i]) if value), None)
    return ''.join(str(x) for x in temp_lt)

下面是例子；

leadtime_crossdock_calc([0,2,0,2,0,3,0],[1,1,1,1,1,1,1],[0,0,1,0,1,0,1],[0,1,0,1,0,1,0])

'3333443'

问题是，我有一个如下所示的spark数据框；

Product  Store  slt               wlt            dow              freq
A         B     [0,2,0,2,0,3,0]  [1,1,1,1,1,1,1] [0,0,1,0,1,0,1]  [0,1,0,1,0,1,0]

我想使用上述方法为数据框中的每个新行创建一个新列；

Product  Store  slt               wlt            dow              freq              result
A         B     [0,2,0,2,0,3,0]  [1,1,1,1,1,1,1] [0,0,1,0,1,0,1]  [0,1,0,1,0,1,0]   [3,3,3,3,4,4,3]

您能帮我吗？我无法将方法应用于spark数据框。

Answer 1

您可以使用User Defined Functions or UDF 首先在spark上注册您的UDF，指定返回函数类型。您可以使用以下内容：

from pyspark.sql.types import StringType, col
leadtime_udf = spark.udf.register("leadtime_udf", leadtime_crossdock_calc, StringType())

然后，您可以将该UDF应用到DataFrame（或在Spark SQL中）

df.select("*", leadtime_udf(col(slt), ... , col(freq)))

希望这会有所帮助

Pyspark在数据框上应用功能

1 个答案: