如何根据Pyspark中的数据框中的条件设置新的列表值？

如果您有一套有限的id，Shaido的答案没问题，您也知道相应的feature的长度。

如果不是的话，它应该是清洁使用UDF，并要能够在另一个Seq加载转换id S：

在斯卡拉

val arr = Seq(1,2,6) 
val fillArray = udf { (id: Int, array: WrappedArray[Double]) => 
         if (arr.contains(id)) Seq.fill[Double](array.length)(0.0) 
         else array 
        } 
df.withColumn("new_features" , fillArray($"id", $"features")).show(false) 

在Python中

from pyspark.sql import functions as f 
from pyspark.sql.types import * 
arr = [1,2,6] 
def fillArray(id, features): 
    if(id in arr): return [0.0] * len(features) 
    else : return features 
fill_array_udf = f.udf(fillArray, ArrayType(DoubleType())) 
df.withColumn("new_features" , fill_array_udf(f.col("id"), f.col("features"))).show() 

输出

+---+------------------------------------------+-----------------------------------+ 
|id |features         |new_features      | 
+---+------------------------------------------+-----------------------------------+ 
|1 |[6.629056, 0.26771536, 0.79063195, 0.8923]|[0.0, 0.0, 0.0, 0.0]    | 
|2 |[1.4850719, 0.66458416, -2.1034079]  |[0.0, 0.0, 0.0]     | 
|3 |[3.0975454, 1.571849, 1.9053307]   |[3.0975454, 1.571849, 1.9053307] | 
|4 |[2.526619, -0.33559006, -1.4565022]  |[2.526619, -0.33559006, -1.4565022]| 
|5 |[-0.9286196, -0.57326394, 4.481531]  |[-0.9286196, -0.57326394, 4.481531]| 
|6 |[3.594114, 1.3512149, 1.6967168]   |[0.0, 0.0, 0.0]     | 
+---+------------------------------------------+-----------------------------------+ 

使用when和otherwise如果你有一个小集ID的改变：

df.withColumn("features", 
    when(df.id === 1, array(lit(0), lit(0), lit(0), lit(0))) 
    .when(df.id === 2 | df.id === 6, array(lit(0), lit(0), lit(0))) 
    .otherwise(df.features))) 

应该比UDF但如果快有很多ID很快就会变成很多代码。在这种情况下，请按照philantrovert的回答使用UDF。