mapInPandas

Mappar en iterator av batchar i den aktuella dataramen med hjälp av en Python intern funktion som utförs på Pandas DataFrames både som indata och utdata, och returnerar resultatet som en DataFrame.

Syntax

mapInPandas(func: "PandasMapIterFunction", schema: Union[StructType, str], barrier: bool = False, profile: Optional[ResourceProfile] = None)

Parameters

Parameter Type Beskrivning
func function en Python intern funktion som tar en iterator av pandas.DataFrames och matar ut en iterator av pandas.DataFrames.
schema DataType eller str returtypen för func i PySpark. Värdet kan vara antingen ett pyspark.sql.types.DataType objekt eller en DDL-formaterad typsträng.
barrier bool, valfritt, standard falskt Använd körning av barriärläge så att alla Python arbetare i fasen startas samtidigt.
profile ResourceProfile, valfritt Den valfria ResourceProfile som ska användas för mapInPandas.

Retur

DataFrame

Exempel

df = spark.createDataFrame([(1, 21), (2, 30)], ("id", "age"))

def filter_func(iterator):
    for pdf in iterator:
        yield pdf[pdf.id == 1]

df.mapInPandas(filter_func, df.schema).show()
# +---+---+
# | id|age|
# +---+---+
# |  1| 21|
# +---+---+

def mean_age(iterator):
    for pdf in iterator:
        yield pdf.groupby("id").mean().reset_index()

df.mapInPandas(mean_age, "id: bigint, age: double").show()
# +---+----+
# | id| age|
# +---+----+
# |  1|21.0|
# |  2|30.0|
# +---+----+

df.mapInPandas(filter_func, df.schema, barrier=True).collect()
# [Row(id=1, age=21)]
  • Last updated on