我有这个数据框:
+-----+---------------------+
|Index|flagArray |
+-----+---------------------+
|1 |[A, S, A, E, Z, S, S]|
|2 |[A, Z, Z, E, Z, S, S]|
+-----+---------------------+
我想用它们对应的数值来表示数组元素。
A - 0
F - 1
S - 2
E - 3
Z - 4
所以输出数据框应该是这样的:
+-----+---------------------+---------------------+
|Index|flagArray |finalArray |
+-----+---------------------+---------------------+
|1 |[A, S, A, E, Z, S, S]|[0, 2, 0, 3, 4, 2, 2]|
|2 |[A, Z, Z, E, Z, S, S]|[0, 4, 4, 3, 4, 2, 2]|
+-----+---------------------+---------------------+
我在 PySpark 中编写了一个 udf,我通过编写一些 if else
语句来实现它。有没有更好的处理方法?
最佳答案
对于 Spark 2.4+,您可以简单地使用 transform
函数循环遍历 flagArray
数组的每个元素,并从映射列中获取其映射值,您可以使用 element_at
从该映射创建:
mappings = {"A": 0, "F": 1, "S": 2, "E": 3, "Z": 4}
mapping_col = map_from_entries(array(*[struct(lit(k), lit(v)) for k, v in mappings.items()]))
df = df.withColumn("mappings", mapping_col) \
.withColumn("finalArray", expr(""" transform(flagArray, x -> element_at(mappings, x))""")) \
.drop("mappings")
df.show(truncate=False)
#+-----+---------------------+---------------------+
#|Index|flagArray |finalArray |
#+-----+---------------------+---------------------+
#|1 |[A, S, A, E, Z, S, S]|[0, 2, 0, 3, 4, 2, 2]|
#|2 |[A, Z, Z, E, Z, S, S]|[0, 4, 4, 3, 4, 2, 2]|
#+-----+---------------------+---------------------+
关于arrays - 用 PySpark 中的对应元素替换数组中的元素,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60502324/