Not
Bu sayfaya erişim yetkilendirme gerektiriyor. Oturum açmayı veya dizinleri değiştirmeyi deneyebilirsiniz.
Bu sayfaya erişim yetkilendirme gerektiriyor. Dizinleri değiştirmeyi deneyebilirsiniz.
Kullanıcı tanımlı bir işlevi çağır.
Sözdizimi
import pyspark.sql.functions as sf
sf.call_udf(udfName=<udfName>, *cols)
Parametreler
| Parametre | Türü | Description |
|---|---|---|
udfName |
str |
Kullanıcı tanımlı işlevin (UDF) adı. |
cols |
pyspark.sql.Column veya str |
UDF'de kullanılacak sütun adları veya Sütunlar. |
İade
pyspark.sql.Column: yürütülen udf'nin sonucu.
Örnekler
Örnek 1: Tamsayı UDF ile call_udf kullanma.
from pyspark.sql.functions import call_udf, col
from pyspark.sql.types import IntegerType, StringType
df = spark.createDataFrame([(1, "a"),(2, "b"), (3, "c")],["id", "name"])
_ = spark.udf.register("intX2", lambda i: i * 2, IntegerType())
df.select(call_udf("intX2", "id")).show()
+---------+
|intX2(id)|
+---------+
| 2|
| 4|
| 6|
+---------+
Örnek 2: UDF dizesiyle call_udf kullanma.
from pyspark.sql.functions import call_udf, col
from pyspark.sql.types import IntegerType, StringType
df = spark.createDataFrame([(1, "a"),(2, "b"), (3, "c")],["id", "name"])
_ = spark.udf.register("strX2", lambda s: s * 2, StringType())
df.select(call_udf("strX2", col("name"))).show()
+-----------+
|strX2(name)|
+-----------+
| aa|
| bb|
| cc|
+-----------+