如何在Pyspark数据帧中concate axis=1上的ArrayType的2列？

Question

我在以下数据帧中有一个示例：

我想把lat和lon连接成一个列表。其中mmsi与ID相似（这是唯一的）

+---------+--------------------+--------------------+
|     mmsi|                 lat|                 lon|
+---------+--------------------+--------------------+
|255801480|[47.1018366666666...|[-5.3017783333333...|
|304182000|[44.6343033333333...|[-63.564803333333...|
|304682000|[41.1936, 41.1715...|[-8.7716, -8.7514...|
|305930000|[49.5221333333333...|[-3.6310166666666...|
|306216000|[42.8185133333333...|[-29.853155, -29....|
|477514400|[47.17205, 47.165...|[-58.6317, -58.60...|

因此，我想连接lat和lon数组，但轴=1，也就是说，我想在末尾有一个列表列表，在一个单独的列中，如：

[[47.1018366666666, -5.3017783333333], ... ]

在pyspark数据帧中这怎么可能？我试过concat，但会有回报：

[47.1018366666666, 44.6343033333333, ..., -5.3017783333333, -63.564803333333, ...]

非常感谢您的帮助

Answer 1

从Spark版本2.4开始，您可以使用内置函数^{}

from pyspark.sql.functions import arrays_zip
df.withColumn('zipped_lat_lon',arrays_zip(df.lat,df.lon)).show()