Spark是否支持熔化和dcast
我们使用melt和dcast从宽->长和长->宽格式转换数据。 有关更多详细信息,请参阅 scala或SparkR都可以 我经历了这一切。 我没有看到做类似工作的函数 Spark中是否有任何等效功能?如果没有,在Spark中还有其他方法吗?支持使用Spark是否支持熔化和dcast,r,scala,apache-spark,spark-dataframe,melt,R,Scala,Apache Spark,Spark Dataframe,Melt,我们使用melt和dcast从宽->长和长->宽格式转换数据。 有关更多详细信息,请参阅 scala或SparkR都可以 我经历了这一切。 我没有看到做类似工作的函数 Spark中是否有任何等效功能?如果没有,在Spark中还有其他方法吗?支持使用pivot进行重塑。我知道melt大致与pivot相反,也被称为unpivot。我对Spark比较陌生。据我所知,我试图实施熔化操作 def melt(df: DataFrame, columns: List[String]): DataFra
pivot
进行重塑。我知道melt
大致与pivot相反,也被称为unpivot
。我对Spark
比较陌生。据我所知,我试图实施熔化操作
def melt(df: DataFrame, columns: List[String]): DataFrame ={
val restOfTheColumns = df.columns.filterNot(columns.contains(_))
val baseDF = df.select(columns.head, columns.tail: _*)
val newStructure =StructType(baseDF.schema.fields ++ List(StructField("variable", StringType, true), StructField("value", StringType, true)))
var newdf = sqlContext.createDataFrame(sqlContext.sparkContext.emptyRDD[Row], newStructure)
for(variableCol <- restOfTheColumns){
val colValues = df.select(variableCol).map(r=> r(0).toString)
val colRdd=baseDF.rdd.zip(colValues).map(tuple => Row.fromSeq(tuple._1.toSeq.:+(variableCol).:+(tuple._2.toString)))
var colDF =sqlContext.createDataFrame(colRdd, newStructure)
newdf =newdf.unionAll(colDF)
}
newdf
}
可用作
melt(df, List("name", "sex"))
结果如下:
+-----+---+--------+----------+
| name|sex|variable| value|
+-----+---+--------+----------+
|Alice| f| age| 34|
| Bob| m| age| 63|
|Alice| f| age| 612|
| Bob| m| age| 612|
|Alice| f| street| somewhere|
| Bob| m| street| nowhere|
|Alice| f| street|nextstreet|
| Bob| m| street| moon|
|Alice| f| weight| 70|
| Bob| m| weight| -70|
|Alice| f| weight| 23|
| Bob| m| weight| 8|
+-----+---+--------+----------+
我希望这是有用的,并感谢您的意见,如果有改进的余地 这里有一个
spark.ml.Transformer
,它只使用数据集操作(没有RDD内容)
这是一个使用它的测试
"spark" should "melt a dataset" in {
import spark.implicits._
val schema = StructType(
List(StructField("Melt1",StringType),StructField("Melt2",StringType)) ++
Range(3,10).map{ i => StructField("name_"+i,DoubleType)}.toList)
val ds = Range(1,11)
.map{ i => Row("a" :: "b" :: Range(3,10).map{ j => Math.random() }.toList :_ *)}
.|>{ rows => spark.sparkContext.parallelize(rows) }
.|>{ rdd => spark.createDataFrame(rdd,schema) }
val newDF = ds.transform{ df =>
Melt("Melt1","Melt2").transform(df) }
assert(newDF.count() === 70)
}
.|>是scalaZ管道操作符Spark DataFrame具有
爆炸
方法,提供R熔化
功能。
Spark 1.6.1中的示例:
// input df has columns (anyDim, n1, n2)
case class MNV(measureName: String, measureValue: Integer);
val dfExploded = df.explode(col("n1"), col("n2")) {
case Row(n1: Int, n2: Int) =>
Array(MNV("n1", n1), MNV("n2", n2))
}
// dfExploded has columns (anyDim, n1, n2, measureName, measureValue)
看起来不像。如果可以将数据放入内存中,请使用
as.data.frame()
将Spark DataFrame转换为本机data.frame,对其进行重塑,然后将其写回Spark。你需要自己写。
"spark" should "melt a dataset" in {
import spark.implicits._
val schema = StructType(
List(StructField("Melt1",StringType),StructField("Melt2",StringType)) ++
Range(3,10).map{ i => StructField("name_"+i,DoubleType)}.toList)
val ds = Range(1,11)
.map{ i => Row("a" :: "b" :: Range(3,10).map{ j => Math.random() }.toList :_ *)}
.|>{ rows => spark.sparkContext.parallelize(rows) }
.|>{ rdd => spark.createDataFrame(rdd,schema) }
val newDF = ds.transform{ df =>
Melt("Melt1","Melt2").transform(df) }
assert(newDF.count() === 70)
}
// input df has columns (anyDim, n1, n2)
case class MNV(measureName: String, measureValue: Integer);
val dfExploded = df.explode(col("n1"), col("n2")) {
case Row(n1: Int, n2: Int) =>
Array(MNV("n1", n1), MNV("n2", n2))
}
// dfExploded has columns (anyDim, n1, n2, measureName, measureValue)