如何在Snowpark(Python)1.0.0中不使用explode()实现行展开功能

由于Snowpark Python 1.0.0版本未内置explode()函数，可借助Snowflake原生SQL表函数STRTOK_SPLIT_TO_TABLE实现单列表格拆分，步骤如下：

实现步骤 #

1. 修正原DataFrame创建（注意二维数组格式） #

你的示例DataFrame创建需调整为二维数组，否则字段映射会出错：

df = session.create_dataframe(
    [["rest_of_the_row", "A|B|C"]],
    schema=["record", "product_code"]
)

2. 添加临时唯一行号 #

为确保拆分后的行能正确关联回原数据，需给原DataFrame添加临时行标识：

from snowflake.snowpark.functions import row_number, lit
from snowflake.snowpark.window import Window

df_with_rowid = df.withColumn("ROW_ID", row_number().over(Window.order_by(lit(1))))

3. 调用Snowflake表函数拆分字符串 #

通过STRTOK_SPLIT_TO_TABLE按指定分隔符拆分product_code列：

# 创建临时视图供SQL查询使用
df_with_rowid.create_or_replace_temp_view("temp_split_source")

# 执行拆分SQL并转为Snowpark DataFrame
split_df = session.sql("""
    SELECT 
        t.ROW_ID,
        s.VALUE AS product_code
    FROM 
        temp_split_source t,
        TABLE(STRTOK_SPLIT_TO_TABLE(t.product_code, '|')) s
""")

4. 关联原数据并清理临时字段 #

将拆分结果与原DataFrame关联，去掉临时行号后得到目标输出：

final_df = df_with_rowid.join(split_df, on="ROW_ID").drop("ROW_ID")

# 查看结果
final_df.show()

后续聚合支持 #

拆分后的final_df可直接进行product_code相关聚合操作，例如统计各代码出现次数：

from snowflake.snowpark.functions import count

agg_result = final_df.groupBy("product_code").agg(count("record").alias("count"))
agg_result.show()

内容的提问来源于stack exchange，提问作者Deepa KP