PySpark创建数组列报错：TypeError: 'list' object is not callable 求解

嘿，这个错误我之前也踩过坑！问题根源很明确——你不小心覆盖了PySpark的array()函数：大概率是之前的代码里把array当成变量名用了（比如写过array = [1,2,3]这种），导致之后调用array()的时候，Python以为你要调用一个列表对象，而不是PySpark的内置函数，所以才抛出TypeError: 'list' object is not callable的错误。

解决方案步骤： #

1. 排查并修改同名变量：先扫一遍你的代码，找到所有把array作为变量名的地方，把变量名改成别的（比如my_array），彻底避免和PySpark的函数名冲突。
2. 确认导入array函数：在代码开头确保已经正确导入PySpark的array函数：

   from pyspark.sql.functions import array
   

3. 重新执行你的代码：

   new = df.select("col0", array("col1", "col2", "col3").alias("col1"))
   

额外的保险方案（避免冲突） #

如果不想修改现有变量名，也可以用别名导入PySpark函数库，通过别名调用array，彻底避开命名冲突：

import pyspark.sql.functions as F
new = df.select("col0", F.array("col1", "col2", "col3").alias("col1"))

完整测试示例 #

这里给你一个可直接运行的验证示例，用来确认效果：

from pyspark.sql import SparkSession
from pyspark.sql.functions import array

# 初始化SparkSession
spark = SparkSession.builder.appName("CreateArrayColumn").getOrCreate()

# 创建测试DataFrame
data = [(1, "a", "b", "c"), (2, "d", "e", "f")]
df = spark.createDataFrame(data, ["col0", "col1", "col2", "col3"])

# 生成数组列
new_df = df.select("col0", array("col1", "col2", "col3").alias("col1"))

# 查看结果
new_df.show()

运行后会输出你期望的结果：

+----+---------+
|col0|     col1|
+----+---------+
|   1|[a, b, c]|
|   2|[d, e, f]|
+----+---------+

内容的提问来源于stack exchange，提问作者Onkar Jadhav