如何在 pyspark/ 中的结构内分解结构中的内部数组

Question

我是 spark 的新手。我试过在 struct 内炸开 array。 JSON 循环有点复杂，如下所示。

{
"id": 1,
"firstfield": "abc",
"secondfield": "zxc",
"firststruct": {
    "secondstruct": {
        "firstarray": [{
            "firstarrayfirstfield": "asd",
            "firstarraysecondfield": "dasd",
            "secondarray": [{
                "score": " 7 "
            }]
        }]
    }
}

}

我正在尝试访问 secondarray 字段下的 score 字段，以便能够计算一些指标并得出每个 id.[=16 的平均分数=]

Answer 1

如果您使用的是 Glue，那么您应该将 DynamicFrame 转换为 Spark 的 DataFrame，然后使用 explode 函数：

from pyspark.sql.functions import col, explode

scoresDf = dynamicFrame.toDF
  .withColumn("firstExplode", explode(col("firststruct.secondstruct.firstarray")))
  .withColumn("secondExplode", explode(col("firstExplode.secondarray")))
  .select("secondExplode.score") 

scoresDyf = DynamicFrame.fromDF(scoresDf, glueContext, "scoresDyf")

如何在 pyspark/ 中的结构内分解结构中的内部数组

How to explode inner arrays in a struct inside a struct in pyspark/

python

pyspark

aws-glue