PySpark將新列添加到數據框與新列表

Question

根據以前的問題：1,2。假設我有以下數據框：

df = spark.createDataFrame(
    [(1, "a", 23.0), (3, "B", -23.0)], 
    ("x1", "x2", "x3")) 

我要添加新列x4，但我有在Python列表值，而不是添加到新列如x4_ls = [35.0, 32.0]。有沒有一種最佳方式將新列添加到Spark數據框？ （注我用星火2.1）

輸出應該是這樣的：

## +---+---+-----+----+ 
## | x1| x2| x3| x4| 
## +---+---+-----+----+ 
## | 1| a| 23.0|35.0| 
## | 3| B|-23.0|32.0| 
## +---+---+-----+----+ 

我還可以改變我列表數據框df_x4 = spark.createDataFrame([Row(**{'x4': x}) for x in x4_ls])（但我不是如何連接在一起的數據幀）

Answer 1

感謝拉夫居所爲一個偉大的答案！我對他的解決方案做了一些改變。這是我的解決方案，它將兩個數據幀連接在一起，添加新列row_num。

from pyspark.sql import Row 

def flatten_row(r): 
    r_ = r.features.asDict() 
    r_.update({'row_num': r.row_num}) 
    return Row(**r_) 

def add_row_num(df): 
    df_row_num = df.rdd.zipWithIndex().toDF(['features', 'row_num']) 
    df_out = df_row_num.rdd.map(lambda x : flatten_row(x)).toDF() 
    return df_out 

df = add_row_num(df) 
df_x4 = add_row_num(df_x4) 
df_concat = df.join(df_x4, on='row_num').drop('row_num') 

Answer 2

我們可以在rownumbers的基礎上連接如下。假設我們有兩個dataframes DF和df_x4：

def addrownum(df): 
    dff = df.rdd.zipWithIndex().toDF(['features','rownum']) 
    odf = dff.map(lambda x : tuple(x.features)+tuple([x.rownum])).toDF(df.columns+['rownum']) 
    return odf 

df1 = addrownum(df) 
df2 = addrownum(df_x4) 

outputdf = df1.join(df2,df1.rownum==df2.rownum).drop(df1.rownum).drop(df2.rownum) 

## outputdf 
## +---+---+-----+----+ 
## | x1| x2| x3| x4| 
## +---+---+-----+----+ 
## | 1| a| 23.0|35.0| 
## | 3| B|-23.0|32.0| 
## +---+---+-----+----+ 

outputdf是你需要的輸出數據幀