如何使用Databricks Mosaic库获取H3十六进制ID？

问题 #

测试Databricks Mosaic空间网格索引方法时，尝试通过grid_longlatascellid获取给定经纬度的H3十六进制ID，运行代码后仅返回Column对象，无法看到实际的十六进制值；而直接使用h3.geo_to_h3方法能得到实际的十六进制字符串。

已知配置与导入代码：

import h3
from mosaic import enable_mosaic
enable_mosaic(spark, dbutils)
from mosaic import *
spark.conf.set("spark.databricks.labs.mosaic.index.system", "H3")

测试代码及结果：

# 获取经纬度
latitude = 37.7716736
longitude = -122.4485852
 
# 获取分辨率
resolution = 7
 
# 获取H3十六进制ID
h3_hex_id = grid_longlatascellid(lit(latitude), lit(longitude), lit(resolution)).hex
 
# 打印H3十六进制ID
print(h3_hex_id)
# 输出：Column<'grid_longlatascellid(CAST(37.7716736 AS DOUBLE), CAST(-122.4485852 AS DOUBLE), 7)[hex]'>

格式差异示例：

• h3.geo_to_h3返回：'872830829ffffff'
• Mosaic的grid_longlatascellid默认返回十进制整数：623385352048508927

解决方案 #

方法1：使用Mosaic内置函数转换并查看结果 #

Mosaic提供grid_cellidash3函数，可直接将grid_longlatascellid返回的十进制ID转换为标准H3十六进制字符串。需在Spark DataFrame上下文执行计算，而非直接打印Column对象：

latitude = 37.7716736
longitude = -122.4485852
resolution = 7

# 创建临时DataFrame执行计算
result_df = spark.createDataFrame([(longitude, latitude)], ["lon", "lat"])
result_df = result_df.select(
    grid_cellidash3(grid_longlatascellid("lon", "lat", lit(resolution))).alias("h3_hex")
)

# 查看结果
result_df.show(truncate=False)

执行后输出示例：

+-------------+
|h3_hex       |
+-------------+
|872830829ffffff|
+-------------+

方法2：提取结果到Python本地变量 #

如果需要将十六进制ID提取为Python本地变量，可通过DataFrame计算后获取值：

latitude = 37.7716736
longitude = -122.4485852
resolution = 7

# 计算并提取值
h3_hex_value = (
    spark.createDataFrame([(longitude, latitude)], ["lon", "lat"])
    .select(
        grid_cellidash3(grid_longlatascellid("lon", "lat", lit(resolution))).alias("h3_hex")
    )
    .first()["h3_hex"]
)

print(h3_hex_value)
# 输出：872830829ffffff

关键说明 #

• grid_longlatascellid返回的是Spark Column对象，代表H3网格ID的十进制整数表示，不能直接在Python本地调用.hex获取结果，必须在Spark分布式计算环境中执行计算。
• grid_cellidash3函数专门用于将H3十进制ID转换为标准十六进制字符串，输出格式与h3.geo_to_h3完全一致。

内容的提问来源于stack exchange，提问作者kms