在pysparkDataframe中添加新列

fruv7luv 于 2021-07-14 发布在 Spark

关注(0)|答案(1)|浏览(304)

我正在尝试向我的pysaprkDataframe添加一个新的记录时区

from timezonefinder import TimezoneFinder
tf = TimezoneFinder()
df = df.withColumn("longitude",col("longitude").cast("float"))
df = df.withColumn("Latitude",col("Latitude").cast("float"))
df = df.withColumn("timezone",tf.timezone_at(lng=col("longitude"), lat=col("Latitude")))

我的错误率正在下降。

ValueError: Cannot convert column into bool: please use '&' for 'and', '|' for 'or', '~' for 'not' when building DataFrame boolean expressions.

timezonefinder库用于通过传递地理坐标来查找时区。

Latitude, longitude = 20.5061, 50.358
tf.timezone_at(lng=longitude, lat=Latitude)
 -- 'Asia/Riyadh'

python apache-spark pyspark user-defined-functions

来源：https://stackoverflow.com/questions/67092218/adding-new-column-in-pyspark-dataframe

1条答案

按热度按时间

dzhpxtsq1#

需要使用udf将列传递给python函数：

import pyspark.sql.functions as F

@F.udf('string')
def tfUDF(lng, lat):
    from timezonefinder import TimezoneFinder
    tf = TimezoneFinder()
    return tf.timezone_at(lng=lng, lat=lat)

df = df.withColumn("longitude", F.col("longitude").cast("float"))
df = df.withColumn("Latitude", F.col("Latitude").cast("float"))
df = df.withColumn("timezone", tfUDF(F.col("longitude"), F.col("Latitude")))

df.show()
+--------+---------+-----------+
|Latitude|longitude|   timezone|
+--------+---------+-----------+
| 20.5061|   50.358|Asia/Riyadh|
+--------+---------+-----------+

赞(0）回复(0）举报 2021-07-14

我来回答

在pysparkDataframe中添加新列

1条答案

相关问题

热门标签

最新问答