Condividi tramite

mapInPandas

Esegue il mapping di un iteratore di batch nel dataframe corrente usando una funzione nativa Python eseguita su dataframe pandas sia come input che come output e restituisce il risultato come dataframe.

Sintassi

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

Parametri

Parametro Tipo Descrizione
func funzione una funzione nativa di Python che accetta un iteratore di pandas.DataFrames e restituisce un iteratore di pandas.DataFrames.
schema DataType o str tipo restituito func di in PySpark. Il valore può essere un pyspark.sql.types.DataType oggetto o una stringa di tipo DDL formattato.
barrier bool, facoltativo, false predefinito Usare l'esecuzione della modalità barriera, assicurandosi che tutti i ruoli di lavoro Python nella fase vengano avviati simultaneamente.
profile ResourceProfile, facoltativo ResourceProfile facoltativo da usare per mapInPandas.

Restituzioni

DataFrame

Examples

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