我需要帮助来转换下面的Pyspark代码或Pyspark sql代码。
df["full_name"] = df.apply(lambda x: "_".join(sorted((x["first"], x["last"]))), axis=1)
它基本上增加了一个新的列名full_name,必须以排序的方式将列的值首先和最后连接起来。
我已经完成了下面的代码,但不知道如何应用于对列文本值进行排序。
df= df.withColumn('full_name', f.concat(f.col('first'),f.lit('_'), f.col('last')))
来自Spark-2.4 +] ::
在这种情况下,我们可以使用array_join, array_sort
示例:
df.show()
#+-----+----+
#|first|last|
#+-----+----+
#| a| b|
#| e| c|
#| d| a|
#+-----+----+
from pyspark.sql.functions import *
#first we create array of first,last columns then apply sort and join on array
df.withColumn("full_name",array_join(array_sort(array(col("first"),col("last"))),"_")).show()
#+-----+----+---------+
#|first|last|full_name|
#+-----+----+---------+
#| a| b| a_b|
#| e| c| c_e|
#| d| a| a_d|
#+-----+----+---------+