python - 如何使用列值作为 PySpark 中字典的键？

Question

我有一个小型 PySpark DataFrame df:

index    col1
0        1    
1        3
2        4

还有一本字典:

LOOKUP = {0: 2, 1: 5, 2: 5, 3: 4, 4: 6}

我现在想向 df 添加一个额外的列 col2，等于 col1 的 LOOKUP 值.

我的输出应该是这样的:

index    col1 col2
0        1    5    
1        3    4
2        4    6

我尝试使用:

df = df.withColumn(col("col2"), LOOKUP[col("col1")])

但这给了我错误，以及使用 expr。

如何在 PySpark 中实现这一点？

Answer 1

您可以使用从lookup 字典创建的map 列:

from itertools import chain
from pyspark.sql import functions as F

lookup = {0: 2, 1: 5, 2: 5, 3: 4, 4: 6}
lookup_map = F.create_map(*[F.lit(x) for x in chain(*lookup.items())])

df1 = df.withColumn("col2", lookup_map[F.col("col1")])

df1.show()
#+-----+----+----+
#|index|col1|col2|
#+-----+----+----+
#|    0|   1|   5|
#|    1|   3|   4|
#|    2|   4|   6|
#+-----+----+----+

另一种方法是从字典创建一个lookup_df，然后加入您的数据框