Pyspark 模式：如何检查可空性？

Posted 2023-03-23

【中文标题】Pyspark 模式：如何检查可空性？

【英文标题】：Pyspark schema: how to check nullability?

【发布时间】：2021-11-07 18:12:02

【问题描述】：

我正在尝试比较两个 pyspark 模式。但是，我希望能够查看哪些列不完全匹配。因此，我不想使用简单的schema1 == schema2。但是，我看不到一种方法来比较字段的可空性。这可能吗？

def assert_schemas_equal(schema1, schema2):
  mismatches_counter = 0
  for field1, field2 in zip(schema1, schema2):
    if field1.name != field2.name or field1.dataType != field2.dataType:
      print('Mismatch!', field1, field2)
      mismatches_counter += 1
  if mismatches_counter>0:
    return False
  else:
    return True

【参考方案1】：

您可以使用nullable 属性。

def assert_schemas_equal(schema1, schema2):
  mismatches_counter = 0
  for field1, field2 in zip(schema1, schema2):
    if field1.name != field2.name or field1.dataType != field2.dataType or field1.nullable != field2.nullable:
      print('Mismatch!', field1, field2)
      mismatches_counter += 1
  if mismatches_counter>0:
    return False
  else:
    return True

让我知道这是否适合你。

【讨论】：

@Grevioos 这对你有用吗？

【参考方案2】：

我相信这个会做的工作

set(df1.schema).symmetric_difference(set(df2.schema))