将spark DataFrame变成每一行的列表

Question

当前正在接收一个spark数据框，并将其转换为pandas数据框以制成行列表。 我想创建列表而不使其成为熊猫数据框。 Function2将函数应用于每行的字符串表示形式。 列名将不是常数。

def func1(df):
    df = df.select("*").toPandas()
    job_args = [(", ".join(str(i) for i in list(filter(None.__ne__, df.iloc[c].tolist())))) for c in range(0, len(df))]
    results = spark.sparkContext.parallelize(job_args).map(lambda n: function2(n)).collect()
    return results

例：

+-----+-----+
|index|count|
+-----+-----+
|  1  |  5  |
|  2  |  9  |
|  3  |  3  |
|  4  |  1  |

成为

rows[0] = [1,5]
rows[1] = [2,9]
rows[2] = [3,3]
rows[3] = [4,1]

Answer 1

如果目标是获取spark数据帧中的所有列并将它们连接为字符串，则可以使用以下两个步骤来实现：

1. 使用数组函数创建一个新的col并将所有col放入其中
2. 使用array_join函数将元素连接为单个字符串

这是一个工作示例，该如何做：

import pyspark.sql.functions as f

l = [(1, 5), (2, 9), (3, 3), (4, 1)]
df = spark.createDataFrame(l, ['index', 'count'])

(
  df
  .withColumn('arr', f.array(df.columns))
  .withColumn('str', f.array_join('arr', ', '))
  .select('str')
).show()

+----+
| str|
+----+
|1, 5|
|2, 9|
|3, 3|
|4, 1|
+----+