pyspark - 创建涉及 ArrayType 的 Pyspark 架构

Question

我正在尝试为我的新 DataFrame 创建一个架构，并尝试了括号和关键字的各种组合，但无法弄清楚如何完成这项工作。我目前的尝试:

from pyspark.sql.types import *

schema = StructType([
  StructField("User", IntegerType()),
  ArrayType(StructType([
    StructField("user", StringType()),
    StructField("product", StringType()),
    StructField("rating", DoubleType())]))
  ])

返回错误:

elementType should be DataType
Traceback (most recent call last):
 File "/usr/hdp/current/spark2-client/python/pyspark/sql/types.py", line 290, in __init__
assert isinstance(elementType, DataType), "elementType should be DataType"
AssertionError: elementType should be DataType   

我用谷歌搜索过，但到目前为止还没有对象数组的好例子。

Answer 1

您需要为 ArrayType 属性添加一个额外的 StructField。这个应该可以工作:

from pyspark.sql.types import *

schema = StructType([
  StructField("User", IntegerType()),
  StructField("My_array", ArrayType(
      StructType([
          StructField("user", StringType()),
          StructField("product", StringType()),
          StructField("rating", DoubleType())
      ])
   )
])

有关更多信息，请查看此链接:http://nadbordrozd.github.io/blog/2016/05/22/one-weird-trick-that-will-fix-your-pyspark-schemas/