para_csv

Converte uma coluna contendo StructType em strings CSV . Lança uma exceção no caso de um tipo não suportado.

Sintaxe

Python

from pyspark.sql import functions as sf

sf.to_csv(col, options=None)

Parâmetros

Parâmetro	Tipo	Descrição
col	pyspark.sql.Column ou str	Nome da coluna que contém uma estrutura.
options	dicionário, opcional	Opções para controlar a conversão. Aceita as mesmas opções que a fonte de dados CSV.

Devoluções

pyspark.sql.Column: Uma string CSV convertida a partir de StructType fornecido.

Exemplos

Exemplo 1 : Convertendo um StructType simples em strings CSV

Python

from pyspark.sql import Row, functions as sf
data = [(1, Row(age=2, name='Alice'))]
df = spark.createDataFrame(data, ("key", "value"))
df.select(sf.to_csv(df.value)).show()

Output

+-------------+
|to_csv(value)|
+-------------+
|      2,Alice|
+-------------+

Exemplo 2 : Convertendo um StructType complexo em strings CSV

Python

from pyspark.sql import Row, functions as sf
data = [(1, Row(age=2, name='Alice', scores=[100, 200, 300]))]
df = spark.createDataFrame(data, ("key", "value"))
df.select(sf.to_csv(df.value)).show(truncate=False)

Output

+-------------------------+
|to_csv(value)            |
+-------------------------+
|2,Alice,"[100, 200, 300]"|
+-------------------------+

Exemplo 3 : Convertendo um StructType com valores nulos em strings CSV

Python

from pyspark.sql import Row, functions as sf
from pyspark.sql.types import StructType, StructField, IntegerType, StringType
data = [(1, Row(age=None, name='Alice'))]
schema = StructType([
  StructField("key", IntegerType(), True),
  StructField("value", StructType([
    StructField("age", IntegerType(), True),
    StructField("name", StringType(), True)
  ]), True)
])
df = spark.createDataFrame(data, schema)
df.select(sf.to_csv(df.value)).show()

Output

+-------------+
|to_csv(value)|
+-------------+
|       ,Alice|
+-------------+

Exemplo 4 : Convertendo um StructType com diferentes tipos de dados em strings CSV

Python

from pyspark.sql import Row, functions as sf
data = [(1, Row(age=2, name='Alice', isStudent=True))]
df = spark.createDataFrame(data, ("key", "value"))
df.select(sf.to_csv(df.value)).show()

Output

+-------------+
|to_csv(value)|
+-------------+
| 2,Alice,true|
+-------------+