create_map

Tworzy nową kolumnę mapy na podstawie parzystej liczby kolumn wejściowych lub odwołań do kolumn. Kolumny wejściowe są grupowane w pary klucz-wartość w celu utworzenia mapy. Na przykład dane wejściowe (key1, value1, key2, value2, ...) generują mapę, która kojarzy klucz1 z wartością1, klucz2 z wartością2 itd. Funkcja obsługuje również grupowanie kolumn jako listy.

Składnia

from pyspark.sql import functions as sf

sf.create_map(*cols)

Parametry

Parameter	Typ	Description
cols	pyspark.sql.Column lub str	Nazwy kolumn wejściowych lub obiekty Kolumny pogrupowane w pary klucz-wartość. Można je również wyrazić jako listę kolumn.

Zwraca

pyspark.sql.Column: nowa kolumna typu mapy, w której każda wartość jest mapą utworzoną na podstawie odpowiednich par klucz-wartość podanych w argumentach wejściowych.

Przykłady

Przykład 1. Podstawowe użycie funkcji create_map.

from pyspark.sql import functions as sf
df = spark.createDataFrame([("Alice", 2), ("Bob", 5)], ("name", "age"))
df.select(sf.create_map('name', 'age')).show()

+--------------+
|map(name, age)|
+--------------+
|  {Alice -> 2}|
|    {Bob -> 5}|
+--------------+

Przykład 2. Użycie funkcji create_map z listą kolumn.

from pyspark.sql import functions as sf
df = spark.createDataFrame([("Alice", 2), ("Bob", 5)], ("name", "age"))
df.select(sf.create_map([df.name, df.age])).show()

+--------------+
|map(name, age)|
+--------------+
|  {Alice -> 2}|
|    {Bob -> 5}|
+--------------+

Przykład 3. Użycie funkcji create_map z więcej niż jedną parą klucz-wartość.

from pyspark.sql import functions as sf
df = spark.createDataFrame([("Alice", 2, "female"),
    ("Bob", 5, "male")], ("name", "age", "gender"))
df.select(sf.create_map(sf.lit('name'), df['name'],
    sf.lit('gender'), df['gender'])).show(truncate=False)

+---------------------------------+
|map(name, name, gender, gender)  |
+---------------------------------+
|{name -> Alice, gender -> female}|
|{name -> Bob, gender -> male}    |
+---------------------------------+

Przykład 4. Użycie funkcji create_map z wartościami różnych typów.

from pyspark.sql import functions as sf
df = spark.createDataFrame([("Alice", 2, 22.2),
    ("Bob", 5, 36.1)], ("name", "age", "weight"))
df.select(sf.create_map(sf.lit('age'), df['age'],
    sf.lit('weight'), df['weight'])).show(truncate=False)

+-----------------------------+
|map(age, age, weight, weight)|
+-----------------------------+
|{age -> 2.0, weight -> 22.2} |
|{age -> 5.0, weight -> 36.1} |
+-----------------------------+