Spark 2.2+
Spark 2.2引入typedLit
了support Seq
,Map
和Tuples
(SPARK-19254),并且应该支持以下调用(Scala):
import org.apache.spark.sql.functions.typedLit
df.withColumn("some_array", typedLit(Seq(1, 2, 3)))
df.withColumn("some_struct", typedLit(("foo", 1, .0.3)))
df.withColumn("some_map", typedLit(Map("key1" -> 1, "key2" -> 2)))
星火1.3+(lit),1.4+(array,struct),2.0+(map):
的第二个参数DataFrame.withColumn
应该是a
,Column
因此你必须使用文字:
from pyspark.sql.functions import lit
df.withColumn('new_column', lit(10))
如果你需要复杂的列,则可以使用以下代码块构建这些列array
:
from pyspark.sql.functions import array, create_map, struct
df.withColumn("some_array", array(lit(1), lit(2), lit(3)))
df.withColumn("some_struct", struct(lit("foo"), lit(1), lit(.3)))
df.withColumn("some_map", create_map(lit("key1"), lit(1), lit("key2"), lit(2)))
可以在Scala
中使用完全相同的方法。
import org.apache.spark.sql.functions.{array, lit, map, struct}
df.withColumn("new_column", lit(10))
df.withColumn("map", map(lit("key1"), lit(1), lit("key2"), lit(2)))
为了提供名称structs
或者使用alias
上的每个字段:
df.withColumn(
"some_struct",
struct(lit("foo").alias("x"), lit(1).alias("y"), lit(0.3).alias("z"))
)
或cast
整个对象
df.withColumn(
"some_struct",
struct(lit("foo"), lit(1), lit(0.3)).cast("struct<x: string, y: integer, z: double>")
)
尽管较慢,也可以使用UDF
。
注意事项: