如何将函数应用于PySpark DataFrame的指定列的每一行

Question

我有一个PySpark DataFrame由三列组成，其结构如下。

In[1]: df.take(1)    
Out[1]:
[Row(angle_est=-0.006815859163590619, rwsep_est=0.00019571401752467945, cost_est=34.33651951754235)]

我想要做的是检索第一列（ angle_est ）的每个值，并将其作为参数xMisallignment传递给定义的函数，以设置类对象的特定属性。 定义的功能是：

def setMisAllignment(self, xMisallignment):
    if np.abs(xMisallignment) > 0.8:
       warnings.warn('You might set misallignment angle too large.')
    self.MisAllignment = xMisallignment

我试图选择第一列并将其转换为rdd，并将上述函数应用于map（）函数，但似乎它不起作用， MisAllignment无论如何都没有改变。

df.select(df.angle_est).rdd.map(lambda row: model0.setMisAllignment(row))

In[2]: model0.MisAllignment
Out[2]: 0.00111511718224

有人有想法帮助我让这个功能起作用吗？ 提前致谢！

Answer 1

您可以将您的函数注册为spark UDF类似于以下内容：

spark.udf.register("misallign", setMisAllignment)

您可以在此测试套件中获得许多创建和注册UDF的示例： https ： //github.com/apache/spark/blob/master/sql/core/src/test/java/test/org/apache/spark/sql /JavaUDFSuite.java

希望它能回答你的问题