在AWS Glue中，数据类别包含以下几种类型：

1. StructType：代表结构化数据，类似于关系型数据库中的表。可以使用StructType定义数据的列和类型。

示例代码：

from pyspark.sql.types import StructType, StructField, StringType, IntegerType

# 定义结构化数据的列和类型
schema = StructType([
    StructField("name", StringType(), True),
    StructField("age", IntegerType(), True),
])

# 使用定义的结构化数据类型创建数据帧
df = spark.createDataFrame([( "John", 25), ("Alice", 30)], schema)

df.show()

2. ArrayType：代表数组类型的数据，可以包含多个相同类型的元素。

示例代码：

from pyspark.sql.types import ArrayType, StringType

# 定义数组类型的数据
data = [("John", ["apple", "banana", "orange"]), ("Alice", ["grape", "pineapple"])]

# 定义数组元素的数据类型
schema = StructType([
    StructField("name", StringType(), True),
    StructField("fruits", ArrayType(StringType()), True),
])

# 使用定义的数组类型创建数据帧
df = spark.createDataFrame(data, schema)

df.show()

3. MapType：代表键值对类型的数据，可以包含多个键值对。

示例代码：

from pyspark.sql.types import MapType, StringType, IntegerType

# 定义键值对类型的数据
data = [("John", {"apple": 5, "banana": 2}), ("Alice", {"orange": 3, "grape": 4})]

# 定义键值对中键和值的数据类型
schema = StructType([
    StructField("name", StringType(), True),
    StructField("fruits", MapType(StringType(), IntegerType()), True),
])

# 使用定义的键值对类型创建数据帧
df = spark.createDataFrame(data, schema)

df.show()

以上示例代码展示了在AWS Glue中定义和创建不同类型的数据类别。