Pyspark : Comment diviser une colonne séparée par un tuyau en plusieurs lignes ? [dupliquer]
J'ai un dataframe qui contient les éléments suivants:
movieId / movieName / genre
1 example1 action|thriller|romance
2 example2 fantastic|action
Je voudrais obtenir une deuxième dataframe (à partir de la première), qui contient les éléments suivants :
movieId / movieName / genre
1 example1 action
1 example1 thriller
1 example1 romance
2 example2 fantastic
2 example2 action
Comment pouvons-nous le faire en utilisant pyspark?
Réponses
1 Shu
Utiliser split
la fonction renverra une fonction array
then explode
sur le tableau.
Example:
df.show(10,False)
#+-------+---------+-----------------------+
#|movieid|moviename|genre |
#+-------+---------+-----------------------+
#|1 |example1 |action|thriller|romance|
#+-------+---------+-----------------------+
from pyspark.sql.functions import *
df.withColumnRenamed("genre","genre1").\
withColumn("genre",explode(split(col("genre1"),'\\|'))).\
drop("genre1").\
show()
#+-------+---------+--------+
#|movieid|moviename| genre|
#+-------+---------+--------+
#| 1| example1| action|
#| 1| example1|thriller|
#| 1| example1| romance|
#+-------+---------+--------+