Apache spark 如何将管道分隔列拆分为多行？

我有一个包含以下内容的数据框：

movieId / movieName / genre
1         example1    action|thriller|romance
2         example2    fantastic|action

movieId / movieName / genre
1         example1    action
1         example1    thriller
1         example1    romance
2         example2    fantastic
2         example2    action

我想获得第二个数据帧（来自第一个数据帧），其中包含以下内容：

movieId / movieName / genre
1         example1    action|thriller|romance
2         example2    fantastic|action

movieId / movieName / genre
1         example1    action
1         example1    thriller
1         example1    romance
2         example2    fantastic
2         example2    action

---

我该怎么做呢？

我会使用

split

标准函数

scala> movies.show(truncate = false)
+-------+---------+-----------------------+
|movieId|movieName|genre                  |
+-------+---------+-----------------------+
|1      |example1 |action|thriller|romance|
|2      |example2 |fantastic|action       |
+-------+---------+-----------------------+

scala> movies.withColumn("genre", explode(split($"genre", "[|]"))).show
+-------+---------+---------+
|movieId|movieName|    genre|
+-------+---------+---------+
|      1| example1|   action|
|      1| example1| thriller|
|      1| example1|  romance|
|      2| example2|fantastic|
|      2| example2|   action|
+-------+---------+---------+

// You can use \\| for split instead
scala> movies.withColumn("genre", explode(split($"genre", "\\|"))).show
+-------+---------+---------+
|movieId|movieName|    genre|
+-------+---------+---------+
|      1| example1|   action|
|      1| example1| thriller|
|      1| example1|  romance|
|      2| example2|fantastic|
|      2| example2|   action|
+-------+---------+---------+

p、 您可以使用Dataset.flatMap来实现相同的结果，我相信Scala开发者会更喜欢这个结果。

使用RDD

val df = Seq((1,"example1","action|thriller|romance"),(2,"example2","fantastic|action")).toDF("Id","name","genre")
df.rdd.flatMap( x=>{ val p = x.getAs[String]("genre"); for { a <- p.split("[|]") } yield (x(0),x(1),a)} ).foreach(println)

要转换回DF

val rdd1 = df.rdd.flatMap( x=>{ val p = x.getAs[String]("genre"); for { a <- p.split("[|]") } yield Row(x(0),x(1),a)} )
spark.createDataFrame(rdd1,df.schema.copy(Array(StructField("Id",IntegerType),StructField("name",StringType))).add(StructField("genre2",StringType))).show(false)

---

val rdd1=df.rdd.flatMap（x=>{val p=x.getAs[String]（“流派”）；用于{a'@Jacek..你提到了其他答案，但只有一个答案是你的..@stack0114106谢谢。它们似乎同时被删除了。请从答案中删除噪音。@JacekLaskowski如果我们有两个带有|分隔符的列，我们如何拆分。例如，除了类型之外，如果我们还有一个具有多个分隔符的“演员”列，那么我们如何拆分呢名称。@Ahmad想单独问一个问题吗？这样我们就有更多的空间和可视性来讨论您的用例？谢谢。