array_prepend

Retourneert een matrix met het opgegeven element als het eerste element en de rest van de elementen van de oorspronkelijke matrix.

Syntaxis

from pyspark.sql import functions as sf

sf.array_prepend(col, value)

Parameterwaarden

Kenmerk	Typologie	Description
col	pyspark.sql.Column of str	Naam van kolom met matrix
value	Welke dan ook	Een letterlijke waarde of een kolomexpressie.

Retouren

pyspark.sql.Column: een matrix met de opgegeven waarde die vooraf is gegaan.

Voorbeelden

Voorbeeld 1: Een kolomwaarde voorbereiden op een matrixkolom

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

+---------------------+
|array_prepend(c1, c2)|
+---------------------+
|         [c, b, a, c]|
+---------------------+

Voorbeeld 2: Een numerieke waarde vooraf laten gaan aan een matrixkolom

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

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

Voorbeeld 3: Een null-waarde voorbereiden op een matrixkolom

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3],)], ['data'])
df.select(sf.array_prepend(df.data, None)).show()

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

Voorbeeld 4: Een waarde voorbereiden op een NULL-matrixkolom

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([(None,)], schema=schema)
df.select(sf.array_prepend(df.data, 4)).show()

+----------------------+
|array_prepend(data, 4)|
+----------------------+
|                  NULL|
+----------------------+

Voorbeeld 5: Een waarde voorbereiden op een lege matrix

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=schema)
df.select(sf.array_prepend(df.data, 1)).show()

+----------------------+
|array_prepend(data, 1)|
+----------------------+
|                   [1]|
+----------------------+