可以将元组表示为StructType;但是它有固定的字段，我不确定“可变长度”的元组;但是如果您要求在集合类型中支持可变数量的元素，那么您可以定义一个显式模式：

sdata = [(1,(10,20,30)),
         (2,(100,20)),
         (3,(100,200,300))]

schema = StructType([
  StructField('Sn', LongType()),
  StructField('Products', ArrayType(LongType())),
])

df1 = spark.createDataFrame(sdata, schema=schema)

[Out]:
+---+---------------+
| Sn|       Products|
+---+---------------+
|  1|   [10, 20, 30]|
|  2|      [100, 20]|
|  3|[100, 200, 300]|
+---+---------------+

或者直接将字段用作数组：

sdata = [(1,[10,20,30]),
         (2,[100,20]),
         (3,[100,200,300])]

columns = ['Sn','Products']

df1 = spark.createDataFrame(sdata, schema=columns)

[Out]:
+---+---------------+
| Sn|       Products|
+---+---------------+
|  1|   [10, 20, 30]|
|  2|      [100, 20]|
|  3|[100, 200, 300]|
+---+---------------+

要将可变长度的数据加载到PySpark DataFrame中，可以使用pyspark.sql.types模块中的ArrayType（）函数来定义DataFrame的架构。ArrayType（）函数允许您指定数组中元素的数据类型，它可用于定义DataFrame中包含可变数量元素的列。
以下是如何使用ArrayType（）函数定义包含可变长度数据之DataFrame结构描述的范例：

# Import the ArrayType() function
from pyspark.sql.types import ArrayType

# Define the sample data
sdata = [(1,(10,20,30)),
            (2,(100,20)),
            (3,(100,200,300))]

# Use the ArrayType() function to define the schema of the DataFrame
columns = [('Sn', IntegerType()),
            ('Products', ArrayType(IntegerType()))]

# Create the DataFrame with the defined schema
df1 = spark.createDataFrame(([x[0],*x[1]] for x in sdata), schema=columns)

# Print the schema of the DataFrame
df1.printSchema()