在 pyspark 中创建列数组

Posted 2023-04-15

【中文标题】在 pyspark 中创建列数组

【英文标题】：create array of columns in pyspark

【发布时间】：2021-03-11 09:46:58

【问题描述】：

我有一个单行多列的数据框。我希望它将其转换为多行。 我在***上发现了一个类似的问题here。

问题回答了如何在 scala 中完成，但我想在 pyspark 中执行此操作。我试图在 pyspark 中复制代码，但我无法做到。

我无法将 scala 中的以下代码转换为 python：

import org.apache.spark.sql.Column
var ColumnsAndValues: Array[Column] = df.columns.flatMap  c => Array(lit(c), col(c))
val df2 = df1.withColumn("myMap", map(ColumnsAndValues: _*))

【参考方案1】：

在 Pyspark 中，您可以使用 create_map 函数创建地图列。并使用 itertools.chain 进行列表理解，以获得相当于 scala flatMap ：

import itertools
from pyspark.sql import functions as F

columns_and_values = itertools.chain(*[(F.lit(c), F.col(c)) for c in df1.columns])
df2 = df1.withColumn("myMap", F.create_map(*columns_and_values))