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?

pyspark.sql.utils.AnalysisException:找不到数据源:kafka

pyspark.sql.utils.AnalysisException:参考“标题”不明确,可能是:标题,标题