¿Cómo cambiar struct dataType a Integer en pyspark?

Question

Tengo un marco de datos df y una columna tiene el tipo de datos destruct<long:bigint, string:string>

debido a esta estructura de tipo de datos, no puedo realizar sumas, sustracciones, etc.

como cambiar struct<long:bigint, string:string>a solo IntegerType??

Answer 1

Puede utilizar una sintaxis de puntos para acceder a partes de la columna de estructura.

Por ejemplo, si comienza con este marco de datos

df = spark.createDataFrame([(1,(3,'x')),(4,(8, 'y'))]).toDF("col1", "col2")
df.show()
df.printSchema()

+----+------+                                                                   
|col1|  col2|
+----+------+
|   1|[3, x]|
|   4|[8, y]|
+----+------+

root
 |-- col1: long (nullable = true)
 |-- col2: struct (nullable = true)
 |    |-- _1: long (nullable = true)
 |    |-- _2: string (nullable = true)

use puede seleccionar la primera parte de la columna de estructura y crear una nueva columna o reemplazar una existente:

df.withColumn('col2', df['col2._1']).show()

huellas dactilares

+----+----+
|col1|col2|
+----+----+
|   1|   3|
|   4|   8|
+----+----+