python - PySpark 中的 mkString 等价物是什么？

Question

我正在将数据帧转换为管道分隔值并将其写入 Spark shell (scala) 中的文件。但我对 PySpark 方面一无所知。非常感谢您的帮助。

特别是我不知道如何用'|'连接每一列

这是scala版本

scala> val stgDF = spark.read.table("tbl")
stgDF: org.apache.spark.sql.DataFrame = [name: string, num: int]

scala> stgDF.map(line => line.mkString("|")).take(2) //How do I do in PySpark?
res0: Array[String] = Array(spark|2001, yarn|2002)

scala> val tmp = stgDF.map(line => line.mkString("|")).rdd
tmp: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[20] at rdd at <console>:25

scala> tmp.saveAsTextFile("stgDF")

Answer 1

像这样:

stgDF.rdd.map(lambda line: "|".join([str(x) for x in line]))

解释:

'|'.join 等同于 Scala 中的 mkString - 它以列表作为参数，然后连接列表中的元素，分隔符为 '|'。列表理解 [str(x) for x in line] 只是在串联之前将 line 的所有元素转换为字符串。