[英]Pyspark apply a function on dataframe
我的python方法如下;
def leadtime_crossdock_calc(slt, wlt, dow, freq):
temp_lt = [0, 0, 0, 0, 0, 0, 0]
remaining = []
for i in range(0, 7):
remaining.append((dow[i:] + dow[:i]).index(1))
for i in range(7):
if freq[i] == 1:
supplier_lt = int(slt[i])
warehouse_lt = int(wlt[(i + supplier_lt) % 7])
waiting = int(remaining[(i + supplier_lt + warehouse_lt) % 7])
temp_lt[i] = supplier_lt + warehouse_lt + waiting
for i in range(7):
if temp_lt[i] == 0:
temp_lt[i] = next((value for index, value in enumerate(temp_lt[i:] + temp_lt[:i]) if value), None)
return ''.join(str(x) for x in temp_lt)
它变成了下面的例子;
leadtime_crossdock_calc([0,2,0,2,0,3,0],[1,1,1,1,1,1,1],[0,0,1,0,1,0,1],[0,1,0,1,0,1,0])
'3333443'
问题是,我有一个如下所示的火花数据框;
Product Store slt wlt dow freq
A B [0,2,0,2,0,3,0] [1,1,1,1,1,1,1] [0,0,1,0,1,0,1] [0,1,0,1,0,1,0]
我想使用上述方法为数据框中的每个新行创建一个新列;
Product Store slt wlt dow freq result
A B [0,2,0,2,0,3,0] [1,1,1,1,1,1,1] [0,0,1,0,1,0,1] [0,1,0,1,0,1,0] [3,3,3,3,4,4,3]
你能帮我解决这个问题吗? 我无法应用火花数据帧的方法。
您可以使用User Defined Functions 或 UDF First 在 spark 上注册您的 UDF,指定返回函数类型。 你可以使用这样的东西:
from pyspark.sql.types import StringType, col
leadtime_udf = spark.udf.register("leadtime_udf", leadtime_crossdock_calc, StringType())
然后,您可以将该 UDF 应用于您的 DataFrame(或也在 Spark SQL 中)
df.select("*", leadtime_udf(col(slt), ... , col(freq)))
希望这可以帮助
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.