Блог

Я хочу проверить, есть ли последние два значения массива в PySpark Dataframe [1, 0] , и обновить его до [1, 1]

Входной фрейм данных

 Column1    Array_column
abc        [0,1,1,0]
def        [1,1,0,0]
adf        [0,0,1,0]
 

Выходной фрейм данных

 Column1    Array_column
abc        [0,1,1,1]
def        [1,1,0,0]
adf        [0,0,1,1]
 

  >>> def udf1(i):
      if (i[2]==1) amp; (i[3]==0):
       i[3]=1
      else:
        i[3]=i[3]
      return i

>>> udf2=udf(udf1)
df1.withColumn("Array_Column",udf2(col("Array_Column"))).show()



 ------- ------------ 
|Column1|Array_Column|
 ------- ------------ 
|    abc|[0, 1, 1, 1]|
|    def|[1, 1, 0, 0]|
|    adf|[0, 0, 1, 1]|
 ------- ------------ 
 

Вы можете комбинировать функции массива с выражением when :

 from pyspark.sql import functions as F

df1 = df.withColumn(
    "Array_column",
    F.when(
        F.slice("Array_column", -2, 2) == F.array(F.lit(1), F.lit(0)),
        F.flatten(F.array(F.expr("slice(Array_column, 1, size(Array_column) - 2)"), F.array(F.lit(1), F.lit(1))))
    ).otherwise(F.col("Array_column"))
)

df1.show()

# ------- ------------ 
#|Column1|Array_column|
# ------- ------------ 
#|    abc|[0, 1, 1, 1]|
#|    def|[1, 1, 0, 0]|
#|    adf|[0, 0, 1, 1]|
# ------- ------------ 
 

Вы можете нарезать массив, выполнить a case when для последних двух элементов и объединить два фрагмента с помощью concat .

 import pyspark.sql.functions as F

df2 = df.withColumn(
    'Array_column',
    F.expr("""
        concat(
            slice(Array_column, 1, size(Array_column) - 2),
            case when slice(Array_column, size(Array_column) - 1, 2) = array(1,0) 
                 then array(1,1)
                 else slice(Array_column, size(Array_column) - 1, 2)
            end
         )
    """)
)

df2.show()
 ------- ------------ 
|Column1|Array_column|
 ------- ------------ 
|    abc|[0, 1, 1, 1]|
|    def|[1, 1, 0, 0]|
|    adf|[0, 0, 1, 1]|
 ------- ------------