Python火花从数据帧中提取字符

Question

我在spark中有一个数据框,如下所示:

ID     | Column
------ | ----
1      | STRINGOFLETTERS
2      | SOMEOTHERCHARACTERS
3      | ANOTHERSTRING
4      | EXAMPLEEXAMPLE

我想要做的是从列加上第8个字符中提取前5个字符并创建一个新列,如下所示:

ID     | New Column
------ | ------
1      | STRIN_F
2      | SOMEO_E
3      | ANOTH_S
4      | EXAMP_E

我不能使用下面的代码,因为列中的值不同,我不想拆分特定的字符,但是在第6个字符上:

import pyspark
split_col = pyspark.sql.functions.split(DF['column'], ' ')
newDF = DF.withColumn('new_column', split_col.getItem(0))

谢谢大家!

Answer 1

使用这样的东西:

df.withColumn('new_column', concat(df.Column.substr(1, 5),
                                   lit('_'),
                                   df.Column.substr(8, 1)))

这使用函数substr和concat

这些功能将解决您的问题.