Python PySpark Column substr方法用法及代碼示例

例子

考慮以下PySpark DataFrame：

df = spark.createDataFrame([["Alex", 20], ["Bob", 30], ["Cathy", 40]], ["name", "age"])
df.show()



+-----+---+
| name|age|
+-----+---+
| Alex| 20|
|  Bob| 30|
|Cathy| 40|
+-----+---+

從 PySpark DataFrame 中的列值中提取子字符串

要從列值中提取子字符串：

from pyspark.sql import functions as F
df.select(F.col("name").substr(2,3).alias("short_name")).show()



+----------+
|short_name|
+----------+
|       lex|
|        ob|
|       ath|
+----------+

請注意以下事項：

• F.col("name").substr(2,3) 表示我們正在提取從第 2 個字符開始、長度最多為 3 的子字符串。

• 即使字符串太短(例如 "Bob" )，也不會拋出錯誤。

• alias(~) 方法用於為我們的列分配標簽。

請注意，您還可以指定一個負的起始位置，如下所示：

df.select(F.col("name").substr(-3,2).alias("short_name")).show()



+----------+
|short_name|
+----------+
|        le|
|        Bo|
|        th|
+----------+

在這裏，我們從倒數第三個字符(含)開始。