python - 使用数组的数组分解列 - PySpark

Question

我有一列包含这样的数据:

[[[-77.1082606, 38.935738]] ,Point] 

我希望它像这样拆分:

  column 1          column 2        column 3
 -77.1082606      38.935738           Point

这怎么可能使用 PySpark 或 Scala (Databricks 3.0)？我知道如何分解列但不拆分这些结构。谢谢!!!

编辑:这是列的架构:

|-- geometry: struct (nullable = true)
 |    |-- coordinates: string (nullable = false)
 |    |-- type: string (nullable = false

Answer 1

您可以使用 regexp_replace() 去掉方括号，然后 split() 将得到的字符串按逗号分成单独的列。

from pyspark.sql.functions import regexp_replace, split, col

df.select(regexp_replace(df.geometry.coordinates, "[\[\]]", "").alias("coordinates"),
          df.geometry.type.alias("col3")) \
  .withColumn("arr", split(col("coordinates"), "\\,")) \
  .select(col("arr")[0].alias("col1"),
          col("arr")[1].alias("col2"),
         "col3") \
  .drop("arr") \
  .show(truncate = False)
+-----------+----------+-----+
|col1       |col2      |col3 |
+-----------+----------+-----+
|-77.1082606| 38.935738|Point|
+-----------+----------+-----+