pyspark - 将 int 列转换为列表类型 pyspark

Question

我的 DataFrame 有一列 num_of_items。它是一个计数字段。现在，我想将它从 int 类型转换为列表类型。

我尝试使用 array(col) 甚至创建一个函数来通过将 int 值作为输入来返回列表。没用

from pyspark.sql.types import ArrayType
from array import array

def to_array(x):
    return [x]

df=df.withColumn("num_of_items", monotonically_increasing_id())

df

col_1    | num_of_items
A        |  1
B        |  2

预期输出

col_1    | num_of_items
A        | [23]
B        | [43]

Answer 1

I tried using array(col)

使用 pyspark.sql.functions.array 似乎对我有用。

from pyspark.sql.functions import array
df.withColumn("num_of_items", array("num_of_items")).show()
#+-----+------------+
#|col_1|num_of_items|
#+-----+------------+
#|    A|         [1]|
#|    B|         [2]|
#+-----+------------+

and even creating a function to return a list by taking int value as input.

如果你想使用你创建的函数，你必须使它成为一个 udf 并指定返回类型:

from pyspark.sql.types import ArrayType, IntegerType
from pyspark.sql.functions import udf, col

to_array_udf = udf(to_array, ArrayType(IntegerType()))
df.withColumn("num_of_items", to_array_udf(col("num_of_items"))).show()
#+-----+------------+
#|col_1|num_of_items|
#+-----+------------+
#|    A|         [1]|
#|    B|         [2]|
#+-----+------------+

但最好尽可能避免使用 udf:参见 Spark functions vs UDF performance?