array_prepend

Verilen öğeyi ilk öğe olarak ve özgün dizideki öğelerin geri kalanını içeren bir dizi döndürür.

Databricks Runtime 13.1'e eklendi

Sözdizimi

from pyspark.sql import functions as sf

sf.array_prepend(col, value)

Parametreler

İade

pyspark.sql.Column: belirtilen değerin önceden eklendiği bir dizi.

Örnekler

Örnek 1: Sütun değerini bir dizi sütununa önceden bağlama

from pyspark.sql import Row, functions as sf
df = spark.createDataFrame([Row(c1=["b", "a", "c"], c2="c")])
df.select(sf.array_prepend(df.c1, df.c2)).show()

+---------------------+
|array_prepend(c1, c2)|
+---------------------+
|         [c, b, a, c]|
+---------------------+

Örnek 2: Sayısal değeri bir dizi sütununa önceden bağlama

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3],)], ['data'])
df.select(sf.array_prepend(df.data, 4)).show()

+----------------------+
|array_prepend(data, 4)|
+----------------------+
|          [4, 1, 2, 3]|
+----------------------+

Örnek 3: Null değeri bir dizi sütununa önceden bağlama

from pyspark.sql import functions as sf
df = spark.createDataFrame([([1, 2, 3],)], ['data'])
df.select(sf.array_prepend(df.data, None)).show()

+-------------------------+
|array_prepend(data, NULL)|
+-------------------------+
|          [NULL, 1, 2, 3]|
+-------------------------+

Örnek 4: Bir değeri NULL dizi sütununa önceden bağlama

from pyspark.sql import functions as sf
from pyspark.sql.types import ArrayType, IntegerType, StructType, StructField
schema = StructType([
  StructField("data", ArrayType(IntegerType()), True)
])
df = spark.createDataFrame([(None,)], schema=schema)
df.select(sf.array_prepend(df.data, 4)).show()

+----------------------+
|array_prepend(data, 4)|
+----------------------+
|                  NULL|
+----------------------+

Örnek 5: Değeri boş bir diziye önceden bağlama

from pyspark.sql import functions as sf
from pyspark.sql.types import ArrayType, IntegerType, StructType, StructField
schema = StructType([
  StructField("data", ArrayType(IntegerType()), True)
])
df = spark.createDataFrame([([],)], schema=schema)
df.select(sf.array_prepend(df.data, 1)).show()

+----------------------+
|array_prepend(data, 1)|
+----------------------+
|                   [1]|
+----------------------+