代码之家 › 专栏 › 技术社区 › ahajib Shaun McHugh

Pyspark:在UDF中传递多列和一个参数

user-defined-functions pyspark python

ahajib Shaun McHugh · 技术社区 · 7 年前

我正在编写一个udf,它将获取两个dataframe列以及一个额外的参数(一个常量值),并应向dataframe添加一个新列。我的函数看起来像:

def udf_test(column1, column2, constant_var):
    if column1 == column2:
        return column1
    else:
        return constant_var

apply_test = udf(udf_test, StringType())
df = df.withColumn('new_column', apply_test('column1', 'column2'))

除非我移除 constant_var

constant_var = 'TEST'
apply_test = udf(lambda x: udf_test(x, constant_var), StringType())
df = df.withColumn('new_column', apply_test(constant_var)(col('column1', 'column2')))

和

apply_test = udf(lambda x,y: udf_test(x, y, constant_var), StringType())

以上这些对我都不管用。我是根据 this this 我想很明显我的问题和这两个问题有什么不同。任何帮助都将不胜感激。

注: 为了便于讨论,我在这里对函数进行了简化,实际函数更复杂。我知道这个手术可以用 when 和 otherwise 声明。

1 回复 | 直到 7 年前

Pieter Eric Levieil 7 年前

您不必使用用户定义的函数。你可以使用这些函数 when() otherwise() :

from pyspark.sql import functions as f
df = df.withColumn('new_column', 
                   f.when(f.col('col1') == f.col('col2'), f.col('col1'))
                    .otherwise('other_value'))

另一种方法是生成用户定义的函数。但是,使用 udf

def generate_udf(constant_var):
    def test(col1, col2):
        if col1 == col2:
            return col1
        else:
            return constant_var
    return f.udf(test, StringType())

df = df.withColumn('new_column', 
                   generate_udf('default_value')(f.col('col1'), f.col('col2')))

推荐文章

Google User · Django管理员在`list_display中未显示`creation_date`字段`

1 年前

user29747013 · 如何创建一个新的数据框架,其中包含原始数据框架中列的聚合列?

1 年前

ÎÎÎ½Î· ÎÎ®Î¹Î½Î¿Ï · Python lxml.html语法错误:使用lxml find时XPATH的谓词无效

1 年前

user29715306 · from_users=和chats=电视节目中的差异

1 年前

Redshoe · 当执行numpy.genfromtxt()时,python是否会读取文件的所有行?

1 年前

RASEL MAHMUD · 为什么以及如何在is_even()函数内的IF条件中递归X变量在满足0后递增?[副本]

1 年前

prayner · 更新嵌套字典包含列表中的项

1 年前

Bringo Jr · 我可以在O(n)中解决这个问题吗?

1 年前

Dave · 如何在for循环中修改列表值

1 年前

Shukurullox Komiljonov · 从记录中获得相互和解。使用SQL

1 年前