mapInPandas

Mapeia um iterador de lotes no DataFrame atual usando uma função nativa em Python que é executada nos DataFrames pandas tanto como entrada como saída, e devolve o resultado como DataFrame.

Sintaxe

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

Parâmetros

Parâmetro Tipo Descrição
func função uma função nativa Python que pega num iterador de pandas.DataFrames e gera um iterador de pandas.DataFrames.
schema DataType ou str o tipo de retorno do func no PySpark. O valor pode ser um pyspark.sql.types.DataType objeto ou uma cadeia de tipos formatada em DDL.
barrier bool, opcional, por defeito False Use a execução em modo barreira, garantindo que todos os trabalhadores Python na fase serão lançados simultaneamente.
profile ResourceProfile, opcional O ResourceProfile opcional será usado para mapInPandas.

Devoluções

DataFrame

Exemplos

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