Scala 如何在数据帧中编码值?
我有一个Spark(2.x)数据框,包含以下列:Scala 如何在数据帧中编码值?,scala,apache-spark,spark-dataframe,Scala,Apache Spark,Spark Dataframe,我有一个Spark(2.x)数据框,包含以下列: nodes_df.show() ------|------ node | group ------|------ AAA | 1 BBB | 1 CCC | 2 在节点上执行以下操作时,会添加行号 val nodes = nodes_df .withColumn("id",row_number().over(Window.orderBy("group"))) nodes.show() node | group -----
nodes_df.show()
------|------
node | group
------|------
AAA | 1
BBB | 1
CCC | 2
在节点上执行以下操作时,会添加行号
val nodes = nodes_df
.withColumn("id",row_number().over(Window.orderBy("group")))
nodes.show()
node | group
------|------
1 | 1
2 | 1
3 | 2
我有另一个数据帧,arcs\u df
arcs_df.show()
node_from | node_to | weight
-----------|---------|-------
AAA | BBB | 1
BBB | CCC | 1
我想知道,使用编码,如何将节点中的相应节点编号分配给节点u from
和节点u to
列值arcs\u df
我想得到一个如下所示的数据帧
final_df.show()
node_from | node_to | weight
-----------|---------|-------
1 | 2 | 1
2 | 3 | 1
请注意,下面不使用编码,但它完全按照您希望的方式使用联接。让我们一起走过它
必要的进口
import org.apache.spark.sql.functions._
import org.apache.spark.sql.expressions.Window
创建节点\u df
val data1 = Seq(("AAA",1), ("BBB",1), ("CCC",2))
val nodes_df = data1.toDF("node", "group")
nodes_df.show()
+----+-----+
|node|group|
+----+-----+
| AAA| 1|
| BBB| 1|
| CCC| 2|
+----+-----+
val data2 = Seq(("AAA","BBB",1), ("BBB","CCC",1))
val arcs_df = data2.toDF("node_from", "node_to", "weight")
arcs_df.show()
+---------+-------+------+
|node_from|node_to|weight|
+---------+-------+------+
| AAA| BBB| 1|
| BBB| CCC| 1|
+---------+-------+------+
创建节点
import org.apache.spark.sql.functions._
import org.apache.spark.sql.expressions.Window
使用行号
和窗口
添加行号。我将orderBy从group
更改为node
,因为您无法保证AAA是否为1,BBB是否为2,反之亦然,因为它们具有相同的group
编号
val nodes = nodes_df.withColumn("id",row_number().over(Window.orderBy("node")))
nodes.show()
+----+-----+---+
|node|group| id|
+----+-----+---+
| AAA| 1| 1|
| BBB| 1| 2|
| CCC| 2| 3|
+----+-----+---+
创建圆弧_df
val data1 = Seq(("AAA",1), ("BBB",1), ("CCC",2))
val nodes_df = data1.toDF("node", "group")
nodes_df.show()
+----+-----+
|node|group|
+----+-----+
| AAA| 1|
| BBB| 1|
| CCC| 2|
+----+-----+
val data2 = Seq(("AAA","BBB",1), ("BBB","CCC",1))
val arcs_df = data2.toDF("node_from", "node_to", "weight")
arcs_df.show()
+---------+-------+------+
|node_from|node_to|weight|
+---------+-------+------+
| AAA| BBB| 1|
| BBB| CCC| 1|
+---------+-------+------+
执行连接以获得所需的输出
现在,我们主要是想知道如何将id
从节点
映射到arcs\u df
中的from/to节点。我通过使用两个连接实现了这一点。首先是从节点
到弧_-df
,创建一个中间数据帧,第一个_-join _-df
,以便于说明。然后从节点
到第一次加入
。在连接之后,我会删除我不关心的列,如组
,并将id
列重命名为节点(如果适用
/节点)。我以一个结束。选择(…
以获得您要求的订单。如果有任何不清楚的地方,请查看并告诉我。希望这有帮助
val first_join_df = arcs_df.join(nodes, arcs_df.col("node_from") === nodes.col("node"), "leftouter")
.drop("node_from", "node", "group")
.withColumnRenamed("id", "node_from")
first_join_df.show()
+-------+------+---------+
|node_to|weight|node_from|
+-------+------+---------+
| BBB| 1| 1|
| CCC| 1| 2|
+-------+------+---------+
val second_join_df = first_join_df.join(nodes, first_join_df.col("node_to") === nodes.col("node"), "leftouter")
.drop("node_to", "node", "group")
.withColumnRenamed("id", "node_to")
.select("node_from", "node_to", "weight")
second_join_df.show()
+---------+-------+------+
|node_from|node_to|weight|
+---------+-------+------+
| 1| 2| 1|
| 2| 3| 1|
+---------+-------+------+
你能展示一下你试过的吗?可能是重复的