nebula-spark-connector 2.6.1
如下代码，returnCols只能返回指定点或边的属性吗，能否返回类似tage(vertex)作为column呢?
self.dfc = self.spark.read.format(
"com.vesoft.nebula.connector.NebulaDataSource").option(
"type", "edge").option(
"spaceName", nebula_config.get("space")).option(
"label", f"{self.tag[i]}").option(
"returnCols", "creation_time").option(
"metaAddress", nebula_config.get("metaAddress")).option(
"partitionNumber", nebula_config.get("partitionNumber")).load()
type edge 的话，底层只会用 scanedges 哈，spark 的读（非 query）其实是跳过了 graphd，直接扫 storaged，所以确实没法取回点上信息哈
你是想在返回结果中增加一列用来标识每一行数据是属于哪个tag吗？
ps: spark connector读到的数据不止有属性，还有点的id ，边的src id，dst id和rank值。
好滴，我是想读出数据做图算法后再将结果写回到nebula，但是似乎pyspark并不能像scala一样通过配置自动写回？
由于我的_srcId和_dstId类型较多，尝试用spark-connector来反写，但是一次也只能够写一种vertex tag类型
现在的思路改为用spark-connector读出不同的tag数据再联表，尝试了一下可以解决，不知道后期效率如何~
对的，想读出具体的tag来做筛选，但是不符合底层逻辑了，在改变思路 
@nicole 无论 scala, python 我猜测从程序也有调用 main 的方式吧？
不过如果不调用 main，可以参考我的代码，这里有写回的实现
https://github.com/wey-gu/nebulagraph-ai/blob/main/ng_ai/nebula_writer.py
其实可以实现的，每次从nebula读出来的数据是一个dataframe，你可以采用df.withColumn的方法把tag名加到dataframe的每一行中。
但我没明白在原数据中增加tag名是想在写入的时候做什么操作？
不用调main，直接用writer写就好
嗯嗯，现在也是这样做的
是因为我在进行图计算的过程中边类型比较多，导致会有大量不同tag下的_srcid或_dstid，最后写回图谱时需要有一个column把不同的tag筛出来再写入，大体这样的一个思路
感谢，我研究一下~
此话题已在最后回复的 7 天后被自动关闭。不再允许新回复。