Apache spark 修改Spark数据帧结构

假设我有一个包含以下列的Spark数据框：

| header1 | location | precision | header2 | velocity | data |

（此df还包含一些数据）

现在，我想将df转换成一个新的结构，它有两列，每个列都有复杂的字段，类似这样：

|          gps                   |         velocity          |
| header1 | location | precision | header2 | velocity | data |

如果我可以调用一个方法，那么最好：

df1 = createStructure(df, "gps", ["header1", "gps", "precision"])
df2 = createStructure(df1, "velocity", ["header2", "velocity", "data"])

我试着用“withColumn”，但运气不好

试试这个

scala> import org.apache.spark.sql.functions._
import org.apache.spark.sql.functions._

scala> val df1 = Seq(("h1-4", "loc4", "prec4", "h2-4", "vel4", "d4"), ("h1-5", "loc5", "prec5", "h2-5", "vel5", "d5")).toDF("header1", "location", "precision", "header2", "velocity", "data")
df1: org.apache.spark.sql.DataFrame = [header1: string, location: string ... 4 more fields]

scala> df1.show(false)
+-------+--------+---------+-------+--------+----+
|header1|location|precision|header2|velocity|data|
+-------+--------+---------+-------+--------+----+
|h1-4   |loc4    |prec4    |h2-4   |vel4    |d4  |
|h1-5   |loc5    |prec5    |h2-5   |vel5    |d5  |
+-------+--------+---------+-------+--------+----+


scala> val outputDF = df1.withColumn("gps", struct($"header1", $"location", $"precision")).withColumn("velocity", struct($"header2", $"velocity", $"data")).select("gps", "velocity")
outputDF: org.apache.spark.sql.DataFrame = [gps: struct<header1: string, location: string ... 1 more field>, velocity: struct<header2: string, velocity: string ... 1 more field>]

scala> outputDF.printSchema
root
|-- gps: struct (nullable = false)
|    |-- header1: string (nullable = true)
|    |-- location: string (nullable = true)
|    |-- precision: string (nullable = true)
|-- velocity: struct (nullable = false)
|    |-- header2: string (nullable = true)
|    |-- velocity: string (nullable = true)
|    |-- data: string (nullable = true)


scala> outputDF.show(false)
+-------------------+----------------+
|gps                |velocity        |
+-------------------+----------------+
|[h1-4, loc4, prec4]|[h2-4, vel4, d4]|
|[h1-5, loc5, prec5]|[h2-5, vel5, d5]|
+-------------------+----------------+

scala>import org.apache.spark.sql.functions_
导入org.apache.spark.sql.functions_
scala>val df1=序列（（“h1-4”、“loc4”、“prec4”、“h2-4”、“vel4”、“d4”）、（“h1-5”、“loc5”、“prec5”、“h2-5”、“vel5”、“d5”））。toDF（“表头1”、“位置”、“精度”、“表头2”、“速度”、“数据”）
df1:org.apache.spark.sql.DataFrame=[header1:string，location:string…还有4个字段]
scala>df1.show（false）
+-------+--------+---------+-------+--------+----+
|header1 |位置|精度| header2 |速度|数据|
+-------+--------+---------+-------+--------+----+
|h1-4 | loc4 | prec4 | h2-4 | vel4 | d4|
|h1-5 | loc5 | prec5 | h2-5 | vel5 | d5|
+-------+--------+---------+-------+--------+----+
scala>val outputDF=df1。带列（“gps”，结构（$“header1”，“$”位置“，$”精度”））。带列（“速度”，结构（$“header2”，“$”速度“，$”数据”）。选择（“gps”，“速度”）
outputDF:org.apache.spark.sql.DataFrame=[gps:struct，velocity:struct]
scala>outputDF.printSchema
根
|--gps:struct（nullable=false）
||--header1:string（nullable=true）
||--位置：字符串（nullable=true）
||--精度：字符串（nullable=true）
|--velocity:struct（nullable=false）
||--header2:string（nullable=true）
||--速度：字符串（可空=真）
||--数据：字符串（nullable=true）
scala>outputDF.show（false）
+-------------------+----------------+
|gps |速度|
+-------------------+----------------+
|[h1-4，loc4，prec4]|[h2-4，vel4，d4]|
|[h1-5，loc5，prec5]|[h2-5，vel5，d5]|
+-------------------+----------------+

谢谢！成功了