array_distinct

Usuwa z tablicy zduplikowane wartości.

Składnia

from pyspark.sql import functions as sf

sf.array_distinct(col)

Parametry

Parameter	Typ	Description
col	pyspark.sql.Column lub str	Nazwa kolumny lub wyrażenia

Zwraca

pyspark.sql.Column: nowa kolumna, która jest tablicą unikatowych wartości z kolumny wejściowej.

Przykłady

Przykład 1. Usuwanie zduplikowanych wartości z prostej tablicy

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]|
+--------------------+

Przykład 2. Usuwanie zduplikowanych wartości z wielu tablic

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]|
+--------------------+

Przykład 3. Usuwanie zduplikowanych wartości z tablicy ze wszystkimi identycznymi wartościami

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]|
+--------------------+

Przykład 4. Usuwanie zduplikowanych wartości z tablicy bez zduplikowanych wartości

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]|
+--------------------+

Przykład 5. Usuwanie zduplikowanych wartości z pustej tablicy

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)|
+--------------------+
|                  []|
+--------------------+