PySpark - 将列分解为行并根据逻辑设置值

Question

给定一个数据帧：+---+-----------+---------+-------+------------+| id|      score|tx_amount|isValid|    greeting|+---+-----------+---------+-------+------------+|  1|        0.2|    23.78|   true| hello_world||  2|        0.6|    12.41|  false|byebye_world|+---+-----------+---------+-------+------------+我想将这些列分解为名为“col_value”的行。这部分很好，但我也想将逻辑应用于每一行，以便我得到如下结果：+---+------------+--------+---------+----------+-------+| id|   col_value|is_score|is_amount|is_boolean|is_text|+---+------------+--------+---------+----------+-------+|  1|         0.2|       Y|        N|         N|      N||  1|       23.78|       N|        Y|         N|      N||  1|        true|       N|        N|         Y|      N||  1| hello_world|       N|        N|         N|      Y||  2|         0.6|       Y|        N|         N|      N||  2|       12.41|       N|        Y|         N|      N||  2|       false|       N|        N|         Y|      N||  2|byebye_world|       N|        N|         N|      Y|+---+------------+--------+---------+----------+-------+到目前为止，我有什么：.withColumn("cols", F.explode(F.arrays_zip(F.array("score", "tx_amount", "isValid", "greeting")))) \        .select("id", F.col("cols.*")) \        .withColumnRenamed("0", "col_value") \        .withColumn("is_score", F.lit("Y") if col1_type == "score" else F.lit("N")) \        .withColumn("is_amount", F.lit("Y") if col2_type == "amount" else F.lit("N")) \        .withColumn("is_boolean", F.lit("Y") if col3_type == "boolean" else F.lit("N")) \        .withColumn("is_text", F.lit("Y") if col4_type == "text" else F.lit("N")) \        .show()如何在爆炸后执行此操作以获得正确的结果？

Answer 1

我认为你想要的可以通过在你的应用程序上来实现，以确定它是否是.只要不超过 1.0，并且始终高于 1.0，下面的代码就可以工作。如果不是这种情况，请告诉我我将更新逻辑。regexcol_valuetext,boolean,amount or scorescoreamount

from pyspark.sql import functions as F

df.withColumn("cols", F.explode(F.arrays_zip(F.array("score", "tx_amount", "isValid", "greeting")))) \

        .select("id", F.col("cols.*")) \

        .withColumnRenamed("0", "col_value")\

        .withColumn("text", (F.regexp_extract(F.col("col_value"),"([A-Za-z]+)",1)))\

        .withColumn("boolean", F.when((F.col("text")=='true')|(F.col("text")=='false'),F.col("text")).otherwise(F.lit("")))\

        .withColumn("text", F.when(F.col("text")==F.col("boolean"), F.lit("")).otherwise(F.col("text")))\

        .withColumn("numeric", F.regexp_extract(F.col("col_value"),"([0-9]+)",1))\

        .withColumn("is_text", F.when(F.col("text")!="", F.lit("Y")).otherwise(F.lit("N")))\

        .withColumn("is_score", F.when(F.col("numeric")<=1, F.lit("Y")).otherwise(F.lit("N")))\

        .withColumn("is_amount", F.when(F.col("numeric")>1, F.lit("Y")).otherwise(F.lit("N")))\

        .withColumn("is_boolean", F.when(F.col("boolean")!="", F.lit("Y")).otherwise(F.lit("N")))\

        .select("id", "col_value","is_score","is_amount","is_boolean","is_text").show()

+---+------------+--------+---------+----------+-------+

| id|   col_value|is_score|is_amount|is_boolean|is_text|

+---+------------+--------+---------+----------+-------+

|  1|         0.2|       Y|        N|         N|      N|

|  1|       23.78|       N|        Y|         N|      N|

|  1|        true|       N|        N|         Y|      N|

|  1| hello_world|       N|        N|         N|      Y|

|  2|         0.6|       Y|        N|         N|      N|

|  2|       12.41|       N|        Y|         N|      N|

|  2|       false|       N|        N|         Y|      N|

|  2|byebye_world|       N|        N|         N|      Y|

+---+------------+--------+---------+----------+-------+