Extract Transform Select

Python में Spark SQL परिचय

Mark Plutowski

Data Scientist

ETS

Python में Spark SQL परिचय

Extract Transform Selec

Python में Spark SQL परिचय

Extract, Transform, and Select

  • Extraction
  • Transformation
  • Selection
Python में Spark SQL परिचय

बिल्ट-इन फंक्शन

from pyspark.sql.functions import split, explode
Python में Spark SQL परिचय

length फंक्शन

from pyspark.sql.functions import length
df.where(length('sentence') == 0)
Python में Spark SQL परिचय

कस्टम फंक्शन बनाना

  • User Defined Function
  • UDF
Python में Spark SQL परिचय

udf फंक्शन इम्पोर्ट करना

from pyspark.sql.functions import udf
Python में Spark SQL परिचय

Boolean UDF बनाना

print(df)
DataFrame[textdata: string]
from pyspark.sql.functions import udf
from pyspark.sql.types import BooleanType
Python में Spark SQL परिचय

Boolean UDF बनाना

short_udf = udf(lambda x: 
                          True if not x or len(x) < 10 else False, 
                          BooleanType())
df.select(short_udf('textdata')\
  .alias("is short"))\
  .show(3)
+--------+
|is short|
+--------+
|   false|
|    true|
|   false|
+--------+
Python में Spark SQL परिचय

जरूरी UDF रिटर्न टाइप

from pyspark.sql.types import StringType, IntegerType, FloatType, ArrayType
Python में Spark SQL परिचय

Array UDF बनाना

df3.select('word array', in_udf('word array').alias('without endword'))\
   .show(5, truncate=30)
+-----------------------------+----------------------+
|                   word array|       without endword|
+-----------------------------+----------------------+
|[then, how, many, are, there]|[then, how, many, are]|
|                  [how, many]|                 [how]|
|             [i, donot, know]|            [i, donot]|
|                  [quite, so]|               [quite]|
|   [you, have, not, observed]|      [you, have, not]|
+-----------------------------+----------------------+
Python में Spark SQL परिचय

Array UDF बनाना

from pyspark.sql.types import StringType, ArrayType
# Removes last item in array
in_udf = udf(lambda x: 
    x[0:len(x)-1] if x and len(x) > 1 
    else [], 
    ArrayType(StringType()))
Python में Spark SQL परिचय

Sparse vector फॉर्मेट

  1. Indices
  2. Values

Example:

  • Array: [1.0, 0.0, 0.0, 3.0]
  • Sparse vector: (4, [0, 3], [1.0, 3.0])
Python में Spark SQL परिचय

वेक्टर डेटा के साथ काम

  • hasattr(x, "toArray")
  • x.numNonzeros())
Python में Spark SQL परिचय

अभ्यास करते हैं!

Python में Spark SQL परिचय

Preparing Video For Download...