array_contains

Retourneert een Booleaanse waarde die aangeeft of de matrix de opgegeven waarde bevat. Retourneert null als de matrix null is, waar als de matrix de opgegeven waarde bevat en anders onwaar.

Syntaxis

from pyspark.sql import functions as sf

sf.array_contains(col, value)

Parameterwaarden

Kenmerk	Typologie	Description
col	pyspark.sql.Column of str	De doelkolom met de matrices.
value	Welke dan ook	De waarde of kolom die moet worden gecontroleerd in de matrix.

Retouren

pyspark.sql.Column: Een nieuwe kolom van het Booleaanse type, waarbij elke waarde aangeeft of de bijbehorende matrix uit de invoerkolom de opgegeven waarde bevat.

Voorbeelden

Voorbeeld 1: Basisgebruik van array_contains functie.

from pyspark.sql import functions as sf
df = spark.createDataFrame([(["a", "b", "c"],), ([],)], ['data'])
df.select(sf.array_contains(df.data, "a")).show()

+-----------------------+
|array_contains(data, a)|
+-----------------------+
|                   true|
|                  false|
+-----------------------+

Voorbeeld 2: Het gebruik van array_contains functie met een kolom.

from pyspark.sql import functions as sf
df = spark.createDataFrame([(["a", "b", "c"], "c"),
                           (["c", "d", "e"], "d"),
                           (["e", "a", "c"], "b")], ["data", "item"])
df.select(sf.array_contains(df.data, sf.col("item"))).show()

+--------------------------+
|array_contains(data, item)|
+--------------------------+
|                      true|
|                      true|
|                     false|
+--------------------------+

Voorbeeld 3: Probeer array_contains functie te gebruiken met een null-matrix.

from pyspark.sql import functions as sf
df = spark.createDataFrame([(None,), (["a", "b", "c"],)], ['data'])
df.select(sf.array_contains(df.data, "a")).show()

+-----------------------+
|array_contains(data, a)|
+-----------------------+
|                   NULL|
|                   true|
+-----------------------+

Voorbeeld 4: Het gebruik van array_contains met een matrixkolom met null-waarden.

from pyspark.sql import functions as sf
df = spark.createDataFrame([(["a", None, "c"],)], ['data'])
df.select(sf.array_contains(df.data, "a")).show()

+-----------------------+
|array_contains(data, a)|
+-----------------------+
|                   true|
+-----------------------+