- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我目前有以下代码:
def _join_intent_types(df):
mappings = {
'PastNews': 'ContextualInformation',
'ContinuingNews': 'News',
'KnownAlready': 'OriginalEvent',
'SignificantEventChange': 'NewSubEvent',
}
return df.withColumn('Categories', posexplode('Categories').alias('i', 'val'))\
.when(col('val').isin(mappings), mappings[col('i')])\
.otherwise(col('val'))
但我不确定我的语法是否正确。我想做的是对一列列表进行操作,例如:
['EmergingThreats', 'Factoid', 'KnownAlready']
并用提供的字典中的映射替换该数组中的字符串,即
['EmergingThreats', 'Factoid', 'OriginalEvent']
我知道这可以通过 UDF 实现,但我担心这会对性能和可伸缩性产生怎样的影响。
原始表格的示例:
+------------------+-----------------------------------------------------------+
|postID |Categories |
+------------------+-----------------------------------------------------------+
|266269932671606786|[EmergingThreats, Factoid, KnownAlready] |
|266804609954234369|[Donations, ServiceAvailable, ContinuingNews] |
|266250638852243457|[EmergingThreats, Factoid, ContinuingNews] |
|266381928989589505|[EmergingThreats, MultimediaShare, Factoid, ContinuingNews]|
|266223346520297472|[EmergingThreats, Factoid, KnownAlready] |
+------------------+-----------------------------------------------------------+
我希望代码用新映射替换这些数组中的字符串,前提是它们存在于字典中。如果没有,请保持原样:
+------------------+-------------------------------------------------+
|postID |Categories |
+------------------+-------------------------------------------------+
|266269932671606786|[EmergingThreats, Factoid, OriginalEvent] |
|266804609954234369|[Donations, ServiceAvailable, News] |
|266250638852243457|[EmergingThreats, Factoid, News] |
|266381928989589505|[EmergingThreats, MultimediaShare, Factoid, News]|
|266223346520297472|[EmergingThreats, Factoid, OriginalEvent] |
+------------------+-------------------------------------------------+
最佳答案
使用 explode
+ collect_list
is expensive .这是未经测试的,但应该适用于 Spark 2.4+:
from pyspark.sql.functions import expr
for k, v in mappings.items()
df = df.withColumn(
'Categories',
expr('transform(sequence(0,size(Categories)-1), x -> replace(Categories[x], {k}, {v}))'.format(k=k, v=v))
)
您还可以将映射转换为 CASE/WHEN 语句,然后将其应用于 SparkSQL 转换函数:
sql_epxr = "transform(Categories, x -> CASE x {} ELSE x END)".format(" ".join("WHEN '{}' THEN '{}'".format(k,v) for k,v in mappings.items()))
# this yields the following SQL expression:
# transform(Categories, x ->
# CASE x
# WHEN 'PastNews' THEN 'ContextualInformation'
# WHEN 'ContinuingNews' THEN 'News'
# WHEN 'KnownAlready' THEN 'OriginalEvent'
# WHEN 'SignificantEventChange' THEN 'NewSubEvent'
# ELSE x
# END
# )
df.withColumn('Categories', expr(sql_epxr)).show(truncate=False)
对于旧版本的 spark,udf
可能是首选。
关于arrays - PySpark:替换 ArrayType(String) 中的值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61268325/
如果您想使用 String.Concat() 连接 5 个或更多字符串,则它会使用 Concat(String[])。 为什么不一直使用 Concat(String[]) 而不再需要 Concat(S
今天在使用 String 时,我遇到了一种我以前不知道的行为。我无法理解内部发生的事情。 public String returnVal(){ return "5";
似乎在我所看到的任何地方,都有一些过时的版本,这些版本不再起作用。 我的问题似乎很简单。我有一个Java类,它映射到derby数据库。我正在使用注释,并且已经成功地在数据库中创建了所有其他表,但是在这
一、string::size_type() 在C++标准库类型 string ,在调用size函数求解string 对象时,返回值为size_type类型,一种类似于unsigned类型的int 数据
我正在尝试将数据保存到我的 plist 文件中,其中包含字符串数组的定义。我的plist - enter image description here 我将数据写入 plist 的代码是 -- let
我有一个带有键/值对的 JavaScript 对象,其中值是字符串数组: var errors = { "Message": ["Error #1", "Error #2"], "Em
例如,为了使用相同的函数迭代 List 和 List> ,我可以编写如下内容: import java.util.*; public class Test{ public static voi
第一个Dictionary就像 Dictionary ParentDict = new Dictionary(); ParentDict.Add("A_1", "1")
这是我的 jsp 文件: 我遇到了错误 The method replace(String, String, String) in the type Functions is not appl
我需要一些帮助。我有一个方法应该输出一个包含列表内容的 txt 文件(每行中的每个项目)。列表项是字符串数组。问题是,当我调用 string.Join 时,它返回文字字符串 "System.Strin
一位同事告诉我,使用以下方法: string url = "SomeURL"; string ext = "SomeExt"; string sub = "SomeSub"; string s
给定类: public class CategoryValuePair { String category; String value; } 还有一个方法: public
我正在尝试合并 Stream>>对象与所有 Streams 中的键一起映射到单个映射中. 例如, final Map someObject; final List>> list = someObjec
在这里使用 IDictionary 的值(value)是什么? 最佳答案 使用接口(interface)的值(value)始终相同:切换到另一个后端实现时,您不必更改客户端代码。 请考虑稍后分析您的代
我可以知道这两个字典声明之间的区别吗? var places = [String: String]() var places = [Dictionary()] 为什么当我尝试以这种方式附加声明时,只有
在 .NET 4.0 及更高版本中存在 string.IsNullOrWhiteSpace(string) 时,在检查字符串时使用 string.IsNullOrEmpty(string) 是否被视为
这个名字背后的原因是什么? SS64在 PowerShell 中解释此处的字符串如下: A here string is a single-quoted or double-quoted string
我打算离开 this 文章,尝试编写一个接受字符串和 &str 的函数,但我遇到了问题。我有以下功能: pub fn new(t_num: S) -> BigNum where S: Into {
我有一个结构为 [String: [String: String]] 的多维数组。我可以使用 for 循环到达 [String: String] 位,但我不知道如何访问主键(这个位 [String:
我正在尝试使用 sarama(管理员模式)创建主题。没有 ConfigEntries 工作正常。但我需要定义一些配置。 我设置了主题配置(这里发生了错误): tConfigs := map[s
我是一名优秀的程序员,十分优秀!