从 Pyspark Dataframe 创建 Json 结构

Question

我有数据框，它是左连接的产物。现在我想创建 json 结构。我尝试使用不同的选项，但无法创建它。这是我的数据框：col1    col2    col3    col41111    name    aaa     bbb1111    name    ccc     ddd1111    name    iii     kkk1112    name1   abcd    def1112    name1   DEFG    ABXC所需的 json 结构是：{col1: 1111, col2: name, details: [{col3: aaa, col4: bbb}, {col3: ccc, col4: ddd}, {col3: iii, col4: kkk}]},{col1: 1112, col2: name1, details: [{col3: abcd, col4: def}, {col3: DEFG, col4: ABXC}]}Python

Answer 1

你可以这样做：

import pyspark.sql.functions as f

df = df.withColumn("details", f.to_json(f.struct("col3", "col4")))

df = df.groupBy(*["col1", "col2"]).agg(f.collect_list("details").alias("details"))

df.write.format('json').save('/path/file_name.json')