Как я могу разделить столбцы на отдельные строки при разделении запятыми в столбце с помощью PySpark?

Как следует из названия, мне нужно разделить несколько столбцов, разделенных запятыми. Я также хочу выполнить декартово произведение столбцов для каждой строки.

Допустим, исходные данные выглядят так:

ИдентификаторИмяКоды_AКоды_B
1Джордж1,23,4
2Мэри5,67,8

Я хотел бы, чтобы результат выглядел примерно так, как показано ниже, где все значения в столбцах, разделенных запятыми, объединяются для каждого возможного результата.

ИдентификаторИмяКоды_AКоды_B
1Джордж13
1Джордж14
1Джордж23
1Джордж24
2Мэри57
2Мэри58
2Мэри67
2Мэри68

Как вы получаете последние 2 ряда George и последние 3 ряда Mary?

DKNY 18.03.2022 05:26
en.wikipedia.o/Cartesian_productrg/wiki
David דודו Markovitz 18.03.2022 06:47
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
2
45
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вот декартово произведение значений Codes_A и Codes_B.
Я предполагаю, что это то, что вам действительно нужно.

Демонстрационная установка

df = spark.createDataFrame([(1,'George','1,2','3,4'),(2,'Mary','5,6','7,8')],['Id','Name','Codes_A','Codes_B'])

df.show()

+---+------+-------+-------+
| Id|  Name|Codes_A|Codes_B|
+---+------+-------+-------+
|  1|George|    1,2|    3,4|
|  2|  Mary|    5,6|    7,8|
+---+------+-------+-------+

Решение

import pyspark.sql.functions as F

df_result = (df
             .withColumn('Codes_A', F.explode(F.split('Codes_A',',')))
             .withColumn('Codes_B', F.explode(F.split('Codes_B',',')))
            )

df_result.show()

+---+------+-------+-------+
| Id|  Name|Codes_A|Codes_B|
+---+------+-------+-------+
|  1|George|      1|      3|
|  1|George|      1|      4|
|  1|George|      2|      3|
|  1|George|      2|      4|
|  2|  Mary|      5|      7|
|  2|  Mary|      5|      8|
|  2|  Mary|      6|      7|
|  2|  Mary|      6|      8|
+---+------+-------+-------+

Спасибо, Дэвид. Я сделал ошибку в примере вывода. Я отредактировал, чтобы он соответствовал надлежащему продукту. Это было именно то, что мне было нужно.

Fjurg 18.03.2022 09:17

Другие вопросы по теме