array_distinct

Rimuove i valori duplicati dalla matrice.

Sintassi

from pyspark.sql import functions as sf

sf.array_distinct(col)

Parametri

Parametro	TIPO	Description
col	pyspark.sql.Column o str	Nome della colonna o dell'espressione

Restituzioni

pyspark.sql.Column: nuova colonna che rappresenta una matrice di valori univoci dalla colonna di input.

Esempi

Esempio 1: Rimozione di valori duplicati da una matrice semplice

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3, 2],)], ['data'])
df.select(sf.array_distinct(df.data)).show()

+--------------------+
|array_distinct(data)|
+--------------------+
|           [1, 2, 3]|
+--------------------+

Esempio 2: Rimozione di valori duplicati da più matrici

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3, 2],), ([4, 5, 5, 4],)], ['data'])
df.select(sf.array_distinct(df.data)).show()

+--------------------+
|array_distinct(data)|
+--------------------+
|           [1, 2, 3]|
|              [4, 5]|
+--------------------+

Esempio 3: Rimozione di valori duplicati da una matrice con tutti i valori identici

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 1, 1],)], ['data'])
df.select(sf.array_distinct(df.data)).show()

+--------------------+
|array_distinct(data)|
+--------------------+
|                 [1]|
+--------------------+

Esempio 4: Rimozione di valori duplicati da una matrice senza valori duplicati

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3],)], ['data'])
df.select(sf.array_distinct(df.data)).show()

+--------------------+
|array_distinct(data)|
+--------------------+
|           [1, 2, 3]|
+--------------------+

Esempio 5: Rimozione di valori duplicati da una matrice vuota

from pyspark.sql import functions as sf
from pyspark.sql.types import ArrayType, IntegerType, StructType, StructField
schema = StructType([
  StructField("data", ArrayType(IntegerType()), True)
])
df = spark.createDataFrame([([],)], schema)
df.select(sf.array_distinct(df.data)).show()

+--------------------+
|array_distinct(data)|
+--------------------+
|                  []|
+--------------------+