pyspark从结构化流中的Map数组中提取值

lf5gs5x2 于 2021-05-27 发布在 Spark

关注(0)|答案(1)|浏览(389)

我有以下模式：

root
 |-- sents: array (nullable = false)
 |    |-- element: integer (containsNull = true)
 |-- metadata: array (nullable = true)
 |    |-- element: map (containsNull = true)
 |    |    |-- key: string
 |    |    |-- value: string (valueContainsNull = true)

在表格中，它看起来像这样：

+----------+---------------------------------------------------------------------+
|sents     |metadata                                                             |
+----------+---------------------------------------------------------------------+
|[1, -1, 0]|[[confidence -> 0.4991], [confidence -> 0.5378], [confidence -> 0.0]]|
+----------+---------------------------------------------------------------------+

如何从数组列中的Map列表中访问te值？
谢谢您

python apache-spark pyspark spark-structured-streaming Nested

来源：https://stackoverflow.com/questions/61761524/pyspark-extract-values-from-from-array-of-maps-in-structured-streaming

1条答案

按热度按时间

dldeef671#

这里有两个选项使用spark中的分解和变换高阶函数。
选项1（explode+pyspark访问器）
首先我们 explode 数组的元素放入一个新列中，接下来我们使用键访问Map metadata 要检索值：

from pyspark.sql.functions import col, explode, expr

df = spark.createDataFrame([
  [[{"confidence":0.4991}, {"confidence":0.5378}, {"confidence":0.0}]]
], ["metadata"])

df.select(explode(col("metadata")).alias("metadata")) \
  .select(col("metadata")["confidence"].alias("value"))

# +------+

# |value |

# +------+

# |0.4991|

# |0.5378|

# |0.0   |

# +------+

选项2（变换+分解）
我们用这个 transform 将Map的值提取到一个新数组中，然后 explode 信息技术：

df.select(explode(expr("transform(metadata, i -> i['confidence'])")).alias("value"))

赞(0）回复(0）举报 2021-05-27

我来回答

pyspark从结构化流中的Map数组中提取值

1条答案

相关问题

热门标签

最新问答