Эффективный способ использования If-Else в PySpark

Question

У меня есть DataFrame ниже -

from pyspark.sql.functions import col, when, length, lit, concat
values = [(1,'USA','12424','AB+'),(2,'Japan','63252','B-'),(3,'Ireland','23655',None),(4,'France','57366','O+'),
          (5,'Ireland','82351','A-'),(6,'USA','35854','B+'),(7,'Ireland','5835','AB-'),(8,'USA','95255','B+')]
df = sqlContext.createDataFrame(values,['id','country','postcode','bloodgroup'])
df.show()
+---+-------+--------+----------+
| id|country|postcode|bloodgroup|
+---+-------+--------+----------+
|  1|    USA|   12424|       AB+|
|  2|  Japan|   63252|        B-|
|  3|Ireland|   23655|      null|
|  4| France|   57366|        O+|
|  5|Ireland|   82351|        A-|
|  6|    USA|   35854|        B+|
|  7|Ireland|    5835|       AB-|
|  8|    USA|   95255|        B+|
+---+-------+--------+----------+

Мне нужно внести изменения в столбцы postcode & bloodgroup в соответствии со следующими условиями, как указано в этом грубом python pseudocode -

# Efficient (pseudocode 1)
if country == 'Ireland':
    if length(postcode) == 4:
        postcode = '0'+postcode   # Append 0 to postcode incase it's 4 digit.
    if bloodgroup == null: 
        bloodgroup = 'Unknown'

Как вы можете видеть в псевдокоде выше, проверка country == 'Ireland' была выполнена только один раз , поскольку это было общим предложением в двух условиях.Выполнение другого способа, связав это предложение с двумя другими условиями с использованием and, было бы неэффективно -

# Inefficient (pseudocode 2)
if country == 'Ireland' and length(postcode) == 4:
        postcode = '0'+postcode   
if country == 'Ireland' and bloodgroup == null: 
        bloodgroup = 'Unknown'

Я использую PySpark, и я знаю, как это сделать, только так:-

df = df.withColumn('postcode',when((col('country') == 'Ireland') & (length(col('postcode')) == 4),concat(lit('0'),col('postcode'))).otherwise(col('postcode')))
df = df.withColumn('bloodgroup',when((col('country') == 'Ireland') & col('bloodgroup').isNull(),'Unknown').otherwise(col('bloodgroup')))
df.show()
+---+-------+--------+----------+
| id|country|postcode|bloodgroup|
+---+-------+--------+----------+
|  1|    USA|   12424|       AB+|
|  2|  Japan|   63252|        B-|
|  3|Ireland|   23655|   Unknown|
|  4| France|   57366|        O+|
|  5|Ireland|   82351|        A-|
|  6|    USA|   35854|        B+|
|  7|Ireland|   05835|       AB-|
|  8|    USA|   95255|        B+|
+---+-------+--------+----------+

Но это соответствует неэффективному псевдокоду, который я написал выше, потому что мы проверяем country == 'Ireland' два раза.Я проверил executionPlan, используя df.explain(), и он не выполняет автоматическую оптимизацию, что, как я думал, может сделать катализатор.

Как мы можем написать PySpark код, соответствующий псевдокоду 1, где мы проверяем страну один раз, а затем проверяем 2 условия?