python – PySpark：添加一个新列,其中包含从列创建的元组

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – PySpark：添加一个新列,其中包含从列创建的元组，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1208字，纯文字阅读大概需要2分钟。

内容图文

这里我创建了一个dateframe,如下所示,

df = spark.createDataFrame([('a',5,'R','X'),('b',7,'G','S'),('c',8,'G','S')], 
                       ["Id","V1","V2","V3"])

看起来像

+---+---+---+---+
| Id| V1| V2| V3|
+---+---+---+---+
|  a|  5|  R|  X|
|  b|  7|  G|  S|
|  c|  8|  G|  S|
+---+---+---+---+

我想添加一个由V1,V2,V3组成的元组列.

结果应该是这样的

+---+---+---+---+-------+
| Id| V1| V2| V3|V_tuple|
+---+---+---+---+-------+
|  a|  5|  R|  X|(5,R,X)|
|  b|  7|  G|  S|(7,G,S)|
|  c|  8|  G|  S|(8,G,S)|
+---+---+---+---+-------+

我曾尝试使用与Python类似的syntex,但它不起作用：

df.withColumn("V_tuple",list(zip(df.V1,df.V2,df.V3)))

TypeError：zip参数#1必须支持迭代.

任何帮助,将不胜感激！

解决方法:

我是来自scala,但我相信在python中有类似的方式：

使用sql.functions包mehtod：

如果要使用这三列获取StructType,请使用struct(cols：Column *)：Column方法,如下所示：

from pyspark.sql.functions import struct
df.withColumn("V_tuple",struct(df.V1,df.V2,df.V3))

但如果你想把它作为一个String,你可以使用concat(exprs：Column *)：Column方法,如下所示：

from pyspark.sql.functions import concat
df.withColumn("V_tuple",concat(df.V1,df.V2,df.V3))

使用第二种方法,您可能必须将列转换为字符串

我不确定python语法,如果有语法错误,只需编辑答案.

希望这对你有所帮助.最好的祝福

内容总结

以上是互联网集市为您收集整理的python – PySpark：添加一个新列,其中包含从列创建的元组全部内容，希望文章能够帮你解决python – PySpark：添加一个新列,其中包含从列创建的元组所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端