array_intersect

Egy új tömböt ad vissza, amely az 1. és a 2. oszlop elemeinek metszetét tartalmazza ismétlődések nélkül.

Szemantika

from pyspark.sql import functions as sf

sf.array_intersect(col1, col2)

Paraméterek

Paraméter	Típus	Description
col1	pyspark.sql.Column vagy str	Az első tömböt tartalmazó oszlop neve.
col2	pyspark.sql.Column vagy str	A második tömböt tartalmazó oszlop neve.

Visszatérítések

pyspark.sql.Column: Új tömb, amely az 1. és a 2. oszlop elemeinek metszetét tartalmazza.

Példák

1. példa: Alapszintű használat

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["b", "a", "c"], c2=["c", "d", "a", "f"])])
df.select(sf.sort_array(sf.array_intersect(df.c1, df.c2))).show()

+-----------------------------------------+
|sort_array(array_intersect(c1, c2), true)|
+-----------------------------------------+
|                                   [a, c]|
+-----------------------------------------+

2. példa: Metszet közös elemek nélkül

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["b", "a", "c"], c2=["d", "e", "f"])])
df.select(sf.array_intersect(df.c1, df.c2)).show()

+-----------------------+
|array_intersect(c1, c2)|
+-----------------------+
|                     []|
+-----------------------+

3. példa: Metszet az összes gyakori elemet tartalmazó metszettel

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["a", "b", "c"], c2=["a", "b", "c"])])
df.select(sf.sort_array(sf.array_intersect(df.c1, df.c2))).show()

+-----------------------------------------+
|sort_array(array_intersect(c1, c2), true)|
+-----------------------------------------+
|                                [a, b, c]|
+-----------------------------------------+

4. példa: Null értékekkel rendelkező metszet

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["a", "b", None], c2=["a", None, "c"])])
df.select(sf.sort_array(sf.array_intersect(df.c1, df.c2))).show()

+-----------------------------------------+
|sort_array(array_intersect(c1, c2), true)|
+-----------------------------------------+
|                                [NULL, a]|
+-----------------------------------------+

5. példa: Metszet üres tömbökkel

from pyspark.sql import Row, functions as sf
from pyspark.sql.types import ArrayType, StringType, StructField, StructType
data = [Row(c1=[], c2=["a", "b", "c"])]
schema = StructType([
  StructField("c1", ArrayType(StringType()), True),
  StructField("c2", ArrayType(StringType()), True)
])
df = spark.createDataFrame(data, schema)
df.select(sf.array_intersect(df.c1, df.c2)).show()

+-----------------------+
|array_intersect(c1, c2)|
+-----------------------+
|                     []|
+-----------------------+