我有一个带有一些列(col1，col2，col3，col4，col5...till 32)的spark数据帧，现在我已经创建了一个函数(udf)，它接受两个输入参数并返回一些浮点值。现在我想创建新的列(按升序排列，如col33、col32、col33、col34..)使用上述函数时，一个参数增加，另一个参数不变 def fun(col1,col2): else:
do someting 我
浏览 44提问于2020-09-02得票数 0
1回答
我想使用一些字符串相似函数，这些函数并不是pyspark的原生函数，例如数据仓库上的jaro和jaro度量。在python模块(如jellyfish )中可以很容易地获得这些功能。我可以在没有null值的情况下编写pyspark的罚款，即将猫与狗进行比较。当我将这些udf应用于存在null值的数据时，它不起作用。我编写了一个在输入数据中没有空值时工作的ud
浏览 0提问于2019-05-07得票数 2
我是pyspark的新手，我正在尝试创建一个简单的udf，它必须接受两个输入列，检查第二列是否有空格，如果有，将第一列拆分为两个值并覆盖原始列。这就是我所做的：if x == "EXDRA" and y == "":if x == "EXIZQ"
浏览 42提问于2017-07-11得票数 1
回答已采纳
我有一个返回字符串列表的udf。这应该不会太难。我在执行udf时传入了数据类型，因为它返回一个字符串数组：ArrayType(StringType)。import ArrayType, FloatType, StringType
label_udf = udf(my_udf, ArrayType))/usr/lib/sp
浏览 6提问于2017-12-07得票数 26
回答已采纳
2回答
添加具有子网第一个IP地址的列
、、、、
我有PySpark数据格式，列名为“子网”。我想添加一个列，它是该子网的第一个IP。1163 try:
我理解这是列值，这里不能使用它作为一个简单的字符串，但是如何解决PySpark的问题呢？我也可以在熊猫上做同样的事情，然后转换成PySpark，但是我想知道还有其他更优雅的<
浏览 14提问于2022-09-02得票数 1
我希望在新列上匹配2个数据帧(列)的交叉值，并将交叉值存储在unique_ID _column-1中，还可以获得new_column_3中的交叉点数据计数。这段代码是我在PySpark(DataBricks)中执行的。我不知道如何在pyspark上写交叉口的代码。您的及时响应/支持将不胜感激。
浏览 0提问于2018-08-30得票数 0
2回答
，并在dataframe上运行它：import pandas as pd
如果我们在定义这两个函数(udfs.py)的文件中执行此操作，则工作正常。...
_udf = fn.udf(udfs.main_f, 'int
浏览 0提问于2019-04-15得票数 9
我有三种不同的包含图像的PySpark数据。pandas_udf(return_type, PandasUDFType.SCALAR_ITER)
我认为，image.data of ImageSchema是ImageSchema中应用我的主成分分析的唯一有趣的部分，而image.data是要转换为pandas_udf的部分。另外，我认为pandas_udf是PCA的输入</
浏览 7提问于2020-06-30得票数 2
在PySpark/spark-sql中是否有相当于雪花的spark-sql这里有一个指向的链接。这里有一个指向的链接。
更具体地说，我正在寻找position、occurrence和regex parameters的替代品，它们都是由雪花的REGEXP_SUBSTR支持的。位置：函数开始搜索匹配字符串开头<em
浏览 7提问于2020-09-15得票数 0
回答已采纳
1回答
输入数据期望输出-END编辑-
conda create -y -n pyspark_conda_env -c conda-forge pyarrowconda pack -f -o pys
浏览 6提问于2021-07-15得票数 2
回答已采纳
我想为列的每个值生成一个散列。我是这样实现的： for col in cols: return df
但是该函数为每一行生成相同的散列值我应该如何修复它，为一列中的每个值计算一个哈希值？
浏览 1提问于2020-07-07得票数 0
1回答
我点击了一个API，它用两个键发送一个JSON响应:值对。目前，我使用withColumn将每个键:值对分别保存到列中，从而保存对数据的响应，方法是使用API 2不同的时间访问API，而不是一次访问API一次，同时保存两个键:value对。businessId) return y
FirstVariableCode = udf(F
浏览 0提问于2018-03-18得票数 0
回答已采纳
我是DataBricks的新手。我的任务是读取大量大型CSV文件(大小高达1G)，并验证和清理所有准备好进行polybase读取到Azure DW中的字段。这些文件存储在blob中。我已经在下面包含了一个测试示例片段，它给出了我希望执行的验证类型的风格。此示例使用udf来转换值，然后使用正则表达式来过滤不需要的字符，如链接中所示。=='Housing').select(df[1],f.trim(f
浏览 0提问于2020-01-18得票数 1
我的问题是：
我想有一个大量的UDF库，为火花2.3+，都是用Java写的，都可以从PySpark/Python访问。阅读上面我链接的文档，你会发现在一个类和Java函数(可以从PySpark中的Spark-调用)之间存在SQL一对一的映射。因此，如果我有10个Java UDF函数，那么我需要创建10个公共Java类，每个类有1个UDF，以使它们可从<e
浏览 76提问于2018-08-11得票数 0
我如何在pySpark Dataframe.groupBy中使用bitwiseOR作为聚合函数，有像sum这样的内置函数可以为我做这件事吗？
浏览 21提问于2019-08-22得票数 0
回答已采纳
我试图通过使用cp_codeset()函数并在withColumn()函数中调用pySpark中的udf来动态地为列表中的每个项创建列(在本例中是withColumn列表)。from pyspark.sql.functions import udf, col, litfrom pyspark.sql.typ
浏览 2提问于2017-03-27得票数 2
因此，我想创建一个可以在Pyspark中使用的scala UDF。代码非常简单 (x: Seq[String], y: Seq[String]) => {for (a <- x; b <-y) yield (a,b)} 我已经创建了一个scala UDF来做这件事。我的问题是试图让这个在pyspark中可调用。Pyspark上工作。>) 返回类型是可选的，但是如果我省略了它，
浏览 29提问于2020-10-09得票数 4
回答已采纳
1回答
使用UDF的Pyspark连接
、、、、
我正在尝试为df1和df2在PySpark中创建一个自定义连接(类似于)，代码如下所示：my_join_df = df1.join(df2, my_join_udf(df1.col_a, df2.col_b))java.lang.RuntimeExceptionPythonUDF PythonUDF#<lambda>
浏览 5提问于2016-07-20得票数 6
回答已采纳
我有一个用Python编写的简单udf，它是我在“24小时内的Apache Spark”一书中的一个代码示例中修改的。这本书使用的是旧版本的Spark，而我运行的是2.3.3。我确实找到了这个answer，但我很难弄清楚为什么书中的例子不起作用，我也不确定这个答案是否真的解决了我的问题。我在Windows 10上以本地模式运行此程序。example") \
.getOrCreate
浏览 26提问于2019-04-05得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云直播
腾讯会议
腾讯云开发者
