Apache spark 将数据帧按键聚合列值放入列表

我有一个

数据帧

，看起来像这样：

+-----------------+-------+
|Id               | value |
+-----------------+-------+
|             1622| 139685|
|             1622| 182118|
|             1622| 127955|
|             3837|3224815|
|             1622| 727761|
|             1622| 155875|
|             3837|1504923|
|             1622| 139684|
+-----------------+-------+

我想把它变成：

    +-----------------+-------------------------------------------+
    |Id               | value                                     |
    +-----------------+-------------------------------------------+
    |             1622|139685,182118,127955,727761,155875,139684  |
    |             3837|3224815,1504923                            |
    +-----------------+-------------------------------------------+

---

这是否仅适用于

DataFrame

函数，还是我需要将其转换为和

RDD

？

使用

DataFrame

API可以实现。尝试：

df.groupBy(col("Id"))
  .agg(collect_list(col("value")) as "value")

如果您想要一个由

，

分隔的

字符串，而不是
数组，请尝试以下操作：

df.groupBy(col("Id"))
  .agg(collect_list(col("value")) as "value")
  .withColumn("value", concat_ws(",", col("value")))

如所示，您可以使用Scala/Java
DataFrame
API中的
collect\u list
函数

但是，也可以使用相同的函数，但使用Spark SQL API：

spark.sql("SELECT id, collect_list(value) FROM df GROUP BY id")

谢谢大卫，太棒了！你导入什么（在独立应用程序中）