其他

集合

• array(*cols)
• array_contains(col, value)
• size(col)
• sort_array(col, asc=True)
• struct(*cols)

排序

• asc(col)
• desc(col)

二进制

• bitwiseNOT(col)
• shiftLeft(col, numBits)
• shiftRight(col, numBits)
• shiftRightUnsigned(col, numBits)

处理空值

• coalesce(*cols)
• isnan(col)
• isnull(col)

列

• col(col) or column(col)
• create_map(*cols)
• explode(col)
• expr(str)
• hash(*cols)
• input_file_name()
• posexplode(col)
• sha1(col)
• sha2(col, numBits)
• soundex(col)
• spark_partition_id()

JSON

• from_json(col, schema, options={})
• get_json_object(col, path)
• json_tuple(col, *fields)
• to_json(col, options={})

检查点

• checkpoint(eager=True)
  • 您可以通过在Spark上下文中使用setCheckpointDir(dir)函数设置自定义检查点目录，该上下文可以通过ctx.spark_session.sparkContext访问。确保将ctx作为输入参数包含在变换的compute()函数中。
  • 请记住，您只需要设置一次检查点目录。任何后续尝试将检查点设置为相同目录的操作都会导致RDD错误。
• localCheckpoint(eager=True)