将 PySpark 数组列乘以标量

Question

我正在尝试将数组类型的列乘以标量。这个标量也是来自同一个 PySpark 数据帧的值。

例如，我有这个数据框：

df = sc.parallelize([([1, 2],3)]).toDF(["l","factor"])
+------+------+
|     l|factor|
+------+------+
|[1, 2]|     3|
+------+------+

我想要实现的是：

+------+------+
|     l|factor|
+------+------+
|[3, 6]|     3|
+------+------+

这是我尝试过的：

df.withColumn("l", lit("factor") * df.l)

它返回一个类型不匹配错误。如何将数组类型的列乘以一个数字？

Answer 1

从spark-2.4使用transform

spark.sql(""" select l, factor, transform(l,x -> x * factor) as result from tmp """).show(10,False)
#+------+------+------+
#|l     |factor|result|
#+------+------+------+
#|[1, 2]|3     |[3, 6]|
#+------+------+------+

使用 dataframe API:

df.withColumn("res",expr("""transform(l,x -> x*factor)""")).show()
#+------+------+------+
#|     l|factor|   res|
#+------+------+------+
#|[1, 2]|     3|[3, 6]|
#+------+------+------+