如何在pyspark withcolumn中使用udf和class答案

【问题标题】：How to use udf and class in pyspark withcolumn如何在pyspark withcolumn中使用udf和class
【发布时间】：2021-01-26 10:33:42
【问题描述】：

我正在使用 pyspark 但是，我不知道如何使用我的定义类。

class TEST:
    def __init__(self, content):
        self.content

    def my_function(self):
        return self.content + "text"

df.withColumn("test", TEST(content=col("TEST")))

但是，列

我该怎么做？

【问题讨论】：

标签： python apache-spark pyspark

【解决方案1】：

你不能用.withColumn(..)直接调用你的自定义函数，你需要使用UserDefinedFunctions (UDF)

.withColumn 期望第二个参数是列表达式。因此，您可以使用以下方法使用自定义函数，将它们转换为 UDF 并在 .withColumn 内部调用：

from pyspark.sql.functions import udf

udf_func = udf(lambda content : content + "text", StringType())

df_result= df.withColumn("test",udf_func(content))
df_result.show()

或者如果你想上课，你可以做类似的事情：

class TEST:
    def __init__(self, content):
        self.content

    def my_function(self):
        return self.content + "text"

udf_func = udf(lambda content: TEST(content).myfunction(), StringType())
df_result= df.withColumn("test",udf_func(content))

【讨论】：