PySpark добавить новый столбец в dataframe с новым списком

Question

На основании предыдущих вопросов: 1, 2. Предположим, у меня есть следующий dataframe:

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

И я хочу, чтобы добавить новый столбец x4, но у меня есть значение в списке Python вместо того, чтобы добавить новый столбец, например x4_ls = [35.0, 32.0]. Есть ли лучший способ добавить новый столбец в фреймворк Spark? (примечание что я использую Спарк 2.1)

Выход должен быть что-то вроде:

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

Я также могу превратить мой список dataframe df_x4 = spark.createDataFrame([Row(**{'x4': x}) for x in x4_ls]) (но я не знаю, как конкатенировать dataframe вместе)

Answer 1

Благодаря Gaurav Дхамов для большого ответа! Я немного изменил его решение. Вот мое решение, которое объединяет два файла данных вместе с добавленным новым столбцом 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

Мы можем конкатенировать на основе розеток следующим образом. Предположим, что мы имеем два dataframes ДФ и 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 Ваш требуемый выходной dataframe