Python pyspark register_series_accessor用法及代码示例

本文简要介绍 pyspark.pandas.extensions.register_series_accessor 的用法。

用法: pyspark.pandas.extensions.register_series_accessor(name: str) → Callable[[Type[T]], Type[T]]

使用 Series 对象注册自定义访问器

参数：

name：str: 注册后调用访问者时使用的名称

可调用的: 类装饰器。

注意：

访问时，您的访问器将使用用户正在与之交互的pandas-on-Spark 对象进行初始化。代码签名必须是：

def __init__(self, pandas_on_spark_obj):
    # constructor logic
...

在 pandas API 中，如果传递给您的访问器的数据具有不正确的 dtype，建议提高 AttributeError 以保持一致性。在pandas-on-Spark 中，ValueError 更常用于在给定方法/函数的值的数据类型意外时进行注释。

最终，您可以随意构建它，但 pandas-on-Spark 可能会执行以下操作：

>>> ps.Series(['a', 'b']).dt
...
Traceback (most recent call last):
    ...
ValueError: Cannot call DatetimeMethods on type StringType

例子：

在您的库代码中：

from pyspark.pandas.extensions import register_series_accessor

@register_series_accessor("geo")
class GeoAccessor:

    def __init__(self, pandas_on_spark_obj):
        self._obj = pandas_on_spark_obj

    @property
    def is_valid(self):
        # boolean check to see if series contains valid geometry
        return True

然后，在 ipython 会话中：

>>> ## Import if the accessor is in the other file.
>>> # from my_ext_lib import GeoAccessor
>>> psdf = ps.DataFrame({"longitude": np.linspace(0,10),
...                     "latitude": np.linspace(0, 20)})
>>> psdf.longitude.geo.is_valid  
True

相关用法

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.pandas.extensions.register_series_accessor。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：