mapInPandas

pandas DataFrames に対して入力と出力の両方として実行され、結果を DataFrame として返すPythonネイティブ関数を使用して、現在の DataFrame 内のバッチの反復子をマップします。

構文

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

パラメーター

パラメーター タイプ 説明
func 関数 pandas.DataFrames の反復子を受け取り、pandas.DataFrame の反復子を出力するPythonネイティブ関数。
schema DataType または str PySpark の func の戻り値の型。 値には、 pyspark.sql.types.DataType オブジェクトまたは DDL 形式の型文字列のいずれかを指定できます。
barrier bool、省略可能、既定の False バリア モードの実行を使用して、ステージ内のすべてのPythonワーカーが同時に起動されるようにします。
profile ResourceProfile、省略可能 mapInPandas に使用する省略可能な ResourceProfile。

返品

DataFrame

例示

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