將數據框中的列值轉換為列表

Question

我有以下源文件。 我的文件中有一個名為“ john ”的名字，想要拆分為列表['j','o','h','n'] 。 請按如下方式查找人員文件。

源文件：

id,name,class,start_data,end_date
1,john,xii,20170909,20210909

代碼：

from pyspark.sql import SparkSession

def main():
    spark = SparkSession.builder.appName("PersonProcessing").getOrCreate()

    df = spark.read.csv('person.txt', header=True)
    nameList = [x['name'] for x in df.rdd.collect()]
    print(list(nameList))
    df.show()

if __name__ == '__main__':
    main()

實際輸出：

[u'john']

期望輸出：

['j','o','h','n']

Answer 1

如果你想在python中：

nameList = [c  for x in df.rdd.collect() for c in x['name']]

或者如果你想在火花中做到這一點：

from pyspark.sql import functions as F

df.withColumn('name', F.split(F.col('name'), '')).show()

結果：

+---+--------------+-----+----------+--------+
| id|          name|class|start_data|end_date|
+---+--------------+-----+----------+--------+
|  1|[j, o, h, n, ]|  xii|  20170909|20210909|
+---+--------------+-----+----------+--------+

Answer 2

nameList = [x for x in 'john']

Answer 3

.tolist() 將 pandas 系列轉換為 python 列表，因此您應該首先從數據創建一個列表，然后遍歷創建的列表。

namelist=df['name'].tolist()
for x in namelist:
    print(x)

Answer 4

如果您在 spark scala (spark 2.3.1 & scala-2.11.8) 中執行此操作，則以下代碼有效。 我們將得到一個帶有空白名稱的額外記錄，因此對其進行過濾。

import spark.implicits._ val classDF = spark.sparkContext.parallelize(Seq((1, "John", "Xii", "20170909", "20210909"))) .toDF("ID", "Name", "類", "Start_Date", "End_Date")

classDF.withColumn("Name", explode((split(trim(col("Name")), ""))))
  .withColumn("Start_Date", to_date(col("Start_Date"), "yyyyMMdd"))
  .withColumn("End_Date", to_date(col("End_Date"), "yyyyMMdd")).filter(col("Name").=!=("")).show