将新列添加到 spark 数据框

Question

我想向已注册为 table 的 spark 数据框添加一列。此列需要有一个自动递增的长。

df = spark.sql(query)
df.createOrReplaceTempView("user_stories")
df = spark.sql("ALTER TABLE user_stories ADD COLUMN rank int AUTO_INCREMENT")
df.show(5)

这会引发以下错误，

Py4JJavaError: An error occurred while calling o72.sql.
: org.apache.spark.sql.catalyst.parser.ParseException: 
no viable alternative at input 'ALTER TABLE user_stories ADD COLUMN'(line 1, pos 29)

== SQL ==
ALTER TABLE user_stories ADD COLUMN rank int AUTO_INCREMENT
-----------------------------^^^

我在这里错过了什么？

Answer 1

如果要向DF添加新的增量列，可以通过以下方式进行。

df.show()
+-------+
|   name|
+-------+
|gaurnag|
+-------+   
from pyspark.sql.functions import monotonically_increasing_id
new_df = df.withColumn("id", monotonically_increasing_id())
new_df.show()
+-------+---+
|   name| id|
+-------+---+
|gaurnag|  0|
+-------+---+

将新列添加到 spark 数据框

Adding a new column to a spark dataframe

apache-spark

pyspark

pyspark-sql