本关任务：使用Spark的 map 算子按照相关需求完成转换操作。

Spark 的 `map` 函数是 Spark DataFrame API 中的一个基本操作，它允许你在每一行数据上应用一个自定义函数，然后返回一个新的 DataFrame。这个函数类似于 SQL 的 `SELECT` 语句中的 `MAP()` 或者 Python 列表推导式。

在使用 `map` 进行转换时，通常的步骤包括：
1. 定义映射函数：你需要创建一个接受单行数据并返回处理结果的函数。这可以是对现有字段做简单计算、字符串格式化，也可以是更复杂的业务逻辑。

from pyspark.sql.functions import udf

# 创建一个用户定义函数 (UDF)
def convert_column(row):
    # 假设我们要将列 'age' 转换为字符串格式
    return str(row['age'])

convert_age = udf(convert_column, StringType())

2. 应用到DataFrame：通过 `withColumn` 或 `selectExpr` 方法将这个函数应用到指定列上，生成新的列。

df_mapped = df.select(df.col('name'), convert_age(df.col('age')))

在这个例子中，`df` 是原始 DataFrame，`df.col('age')` 表示获取 'age' 列的数据，`convert_age(df.col('age'))` 将每个年龄值转化为字符串。