您必须分解数据。用户：

df.select('date', 'data.country', 'data.userId', F.explode('data.users').alias('info'))

对于这些操作，您需要如下所示的查询（在分解data.users之后）：

.select('date', 'country', 'userId', 'info.refferalId', F.explode('actions').alias('actionInfo'))

但是因为你把动作定义为结构体，所以它不能被分解，如果你把它的模式改为列表，代码就能正常工作

这基本上是一项需要转换大量数据以使其成为所需形式的任务，需要结合使用pyspark.sql.functions才能得到所需的形式。
如果我们从您的df开始：

output = df.select("date", "data.country", "data.userId", explode(col("data.users")).alias("users")) \
           .select("date", "country", "userId", "users.*") \
           .withColumn("actions", explode(array(
               struct("actions.action1.*", lit("action1").alias("action")),
               struct("actions.action2.*", lit("action2").alias("action"))
               )
           )) \
           .select("date", "country", "userId", "refferalId", "actions.*")
output.printSchema()
root
 |-- date: string (nullable = true)
 |-- country: string (nullable = true)
 |-- userId: string (nullable = true)
 |-- refferalId: string (nullable = true)
 |-- amountSpent: long (nullable = true)
 |-- timeSpent: long (nullable = true)
 |-- action: string (nullable = false)
output.show()
+----------+-------+------+----------+-----------+---------+-------+
|      date|country|userId|refferalId|amountSpent|timeSpent| action|
+----------+-------+------+----------+-----------+---------+-------+
|2022-12-12|    IND|    u1| auction_1|          1|       20|action1|
|2022-12-12|    IND|    u1| auction_1|          2|       12|action2|
|2022-12-12|    IND|    u1| auction_2|          1|        5|action1|
|2022-12-12|    IND|    u1| auction_2|          2|        7|action2|
|2022-12-12|    USA|    u2| auction_1|          1|        8|action1|
|2022-12-12|    USA|    u2| auction_1|          2|       12|action2|
|2022-12-12|    USA|    u2| auction_2|          1|       11|action1|
|2022-12-12|    USA|    u2| auction_2|          2|        4|action2|
+----------+-------+------+----------+-----------+---------+-------+

每个转换的操作：

• 第一个select语句解包data结构并分解data.users数组
• 其次，select语句解包users结构
• 第三，withColumn语句稍微复杂一些，此时我们有两个结构体（action1和action2），它们有相同的模式，我们在这里做的是：
• 向actions列添加一个文本列action，值为action1或action2
• 使用array函数将这两个相似的列放入数组中
• 分解数组
• 第四，select语句用于展开我们创建的actions结构体

希望这有帮助!

问题是你不能分解struct，你只能分解数组或map，你需要做的第一步是分解data.users（不仅仅是数据），你可以这样做：

users = df\
    .withColumn("s", F.explode("data.users"))\
    .select("date", "data.country", "data.userId", "s.*")
users.show()

+----------+-------+------+----------+------------------+
|      date|country|userId|refferalId|           actions|
+----------+-------+------+----------+------------------+
|2022-12-12|    IND|    u1| auction_1|{{1, 20}, {2, 12}}|
|2022-12-12|    IND|    u1| auction_2|  {{1, 5}, {2, 7}}|
|2022-12-12|    USA|    u2| auction_1| {{1, 8}, {2, 12}}|
|2022-12-12|    USA|    u2| auction_2| {{1, 11}, {2, 4}}|
+----------+-------+------+----------+------------------+

从那里，你想要分解动作，但是和以前一样，你不能分解结构体。为了克服这个问题，你可以把它转换成一个结构体数组。

users\
    .withColumn("actions", F.array(
        [ F.struct(
            F.lit(f"action{i}").alias("action"),
            F.col("actions")[f"action{i}"].alias("meta")
        ) for i in [1, 2] ]
    ))\
    .withColumn("action", F.explode("actions"))\
    .select("date", "country", "userId", "refferalId", "action.action", "action.meta.*")\
    .show()
+----------+-------+------+----------+-------+-----------+---------+
|      date|country|userId|refferalId| action|amountSpent|timeSpent|
+----------+-------+------+----------+-------+-----------+---------+
|2022-12-12|    IND|    u1| auction_1|action1|          1|       20|
|2022-12-12|    IND|    u1| auction_1|action2|          2|       12|
|2022-12-12|    IND|    u1| auction_2|action1|          1|        5|
|2022-12-12|    IND|    u1| auction_2|action2|          2|        7|
|2022-12-12|    USA|    u2| auction_1|action1|          1|        8|
|2022-12-12|    USA|    u2| auction_1|action2|          2|       12|
|2022-12-12|    USA|    u2| auction_2|action1|          1|       11|
|2022-12-12|    USA|    u2| auction_2|action2|          2|        4|
+----------+-------+------+----------+-------+-----------+---------+