在Spark SQL中，用户自定义函数（UDF）允许你将Python函数转化为Spark可以使用的UDF进行运算。以下是一个使用UDF的简单示例：
定义Python函数
首先，定义一个Python函数，该函数将接收两个参数并返回它们的乘积。
```python
def sum_fuc（t, tt）:
return t * tt
```
注册UDF
使用`spark.udf.register`方法将Python函数注册为Spark UDF，并指定返回类型。
```python
from pyspark.sql.functions import udf
from pyspark.sql.types import LongType
sum_fuc_udf = udf（sum_fuc, LongType（））
```
使用UDF
在Spark SQL查询中，使用`withColumn`方法将UDF应用于DataFrame的某一列。
```python
salesbyday = spark.read.parquet（"/salesbyday/"）
salesbyday = salesbyday.select（'customer_id', 'price', 'quantity'）
salesbyday = salesbyday.withColumn（'sales', sum_fuc_udf（'quantity', 'price'））
```
在这个例子中，`salesbyday` DataFrame的每一行都会计算`quantity`和`price`的乘积，并将结果存储在新列`sales`中。
注意事项
UDF默认返回一个字符串格式的值，如果需要返回其他类型（如LongType），需要在注册UDF时指定`returnType`。
UDF在处理大数据时可能会影响性能，因此应谨慎使用。
通过以上步骤，你就可以在Spark SQL中使用Python函数进行自定义运算了。