过滤df时出现pyspark.sql.utils.ParseException错误
Posted
技术标签:
【中文标题】过滤df时出现pyspark.sql.utils.ParseException错误【英文标题】:pyspark.sql.utils.ParseException error when filtering the df 【发布时间】:2021-12-21 05:43:24 【问题描述】:我想从 pyspark df 中选择所有行,除了数组包含 1 的某些行。它适用于笔记本中的以下代码:
<pyspark df>.filter(~exists("<col name>", lambda x: x=="hello"))
但是当我这样写的时候:
cond = '~exists("<col name>", lambda x: x=="hello")'
df = df.filter(con)
我收到如下错误:
pyspark.sql.utils.ParseException:
extraneous input 'x' expecting ')', ','(line 1, pos 32)
我真的找不到任何错字。如果我错过了什么,有人可以给我提示吗?
谢谢,J
【问题讨论】:
【参考方案1】:通过变量传入条件,需要写成
expr str
的 spark sql。所以可以修改为:
cond = '!exists(col_name, x -> x == "hello")'
【讨论】:
这应该可以,谢谢!但这是否会将 col 类型从数组更改为字符串?奇怪的是我收到一个错误说该列是字符串所以存在数据类型不匹配... 不,它不会改变列类型!以上是关于过滤df时出现pyspark.sql.utils.ParseException错误的主要内容,如果未能解决你的问题,请参考以下文章
如何在 PySpark 中仅打印 DataFrame 的某一列?
在 Pyspark 代码中读取嵌套的 Json 文件。 pyspark.sql.utils.AnalysisException:
pyspark.sql.utils.ParseException:PYSPARKSQL 中的“\nmismatched input”
如何修复:pyspark.sql.utils.IllegalArgumentException:列功能的类型不正确?