array_distinct

Удаляет повторяющиеся значения из массива.

Синтаксис

from pyspark.sql import functions as sf

sf.array_distinct(col)

Параметры

Параметр	Тип	Description
col	pyspark.sql.Column или str	Имя столбца или выражения

Возвраты

pyspark.sql.Column: новый столбец, представляющий собой массив уникальных значений из входного столбца.

Примеры

Пример 1. Удаление повторяющихся значений из простого массива

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

Пример 2. Удаление повторяющихся значений из нескольких массивов

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

Пример 3. Удаление повторяющихся значений из массива со всеми идентичными значениями

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

Пример 4. Удаление повторяющихся значений из массива без повторяющихся значений

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

Пример 5. Удаление повторяющихся значений из пустого массива

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