mapInPandas

Mapeia um iterador de lotes no DataFrame atual usando uma função nativa Python que é executada em DataFrames Pandas tanto como entrada quanto como saída, e retorna o resultado como um 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 do Python que recebe um iterador de pandas.DataFrameelementos e retorna um iterador de pandas.DataFrameelementos.
schema	Tipo de dados ou str	o tipo de retorno de func em PySpark. O valor pode ser um objeto pyspark.sql.types.DataType ou uma string de tipo formatada em DDL.
barrier	booleano, opcional, default : Falso	Utilize a execução em modo de barreira, garantindo que todos os processos Python no estágio sejam iniciados simultaneamente.
profile	Perfil de recurso, opcional	O ResourceProfile opcional a ser usado para mapInPandas.

Devoluções

DataFrame

Exemplos

Python

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)]