Scala 如何在spark中连接多个数据帧时应用Like操作?
我试图连接两个数据帧,然后对其应用一个类似的操作。但它没有返回任何值。我想在这里做一个模式匹配。任何关于我做错了什么的建议Scala 如何在spark中连接多个数据帧时应用Like操作?,scala,apache-spark,Scala,Apache Spark,我试图连接两个数据帧,然后对其应用一个类似的操作。但它没有返回任何值。我想在这里做一个模式匹配。任何关于我做错了什么的建议 import org.apache.spark._ import org.apache.spark.sql.Row val upcTable = spark.sqlContext.sparkContext.parallelize(Seq( Row(1, 50, 100), Row(2, 60, 200), Row(36, 70, 300), Row(45,
import org.apache.spark._
import org.apache.spark.sql.Row
val upcTable = spark.sqlContext.sparkContext.parallelize(Seq(
Row(1, 50, 100),
Row(2, 60, 200),
Row(36, 70, 300),
Row(45, 80, 400)
))
val lookupUpc = spark.sqlContext.sparkContext.parallelize(Seq(
Row(3, 70, 300),
Row(4, 80, 400)
))
val upcDf = spark.sqlContext.createDataFrame(upcTable, StructType(Seq(
StructField("U_ID", StringType, nullable = false),
StructField("V_ID", IntegerType, nullable = false),
StructField("R_ID", IntegerType, nullable = false))))
val lookupDf = spark.sqlContext.createDataFrame(lookupUpc, StructType(Seq(
StructField("U_ID", StringType, nullable = false),
StructField("V_ID", IntegerType, nullable = false))))
lookupDf.show()
val joinDf = upcDf.join(lookupDf,Seq("V_ID"),"inner").filter(upcDf("U_ID").like("%lookupDf(U_ID)")).select(upcDf("U_ID"),upcDf("V_ID"),upcDf("R_ID")).show()
这里我想要upcDf中的36和45。而不是column方法,它需要一个literalString
,而采用类型为Any
的参数(因此也就是column
)的方法更适合您的情况:
val joinDf = upcDf.join(lookupDf, Seq("V_ID"), "inner").
where(upcDf("U_ID").contains(lookupDf("U_ID"))).
select(upcDf("U_ID"), upcDf("V_ID"), upcDf("R_ID"))
joinDf.show
// +----+----+----+
// |U_ID|V_ID|R_ID|
// +----+----+----+
// | 45| 80| 400|
// | 36| 70| 300|
// +----+----+----+
请注意,基于列出的模式,示例数据集中的列U\U ID
应为String
类型
[更新]
根据评论中明确的要求,如果您想将匹配仅限于主角,我建议使用方法,并将上述where
条款替换为以下内容:
where(lookupDf("U_ID") === regexp_extract(upcDf("U_ID"), "^(.)", 1))
与需要文本字符串
的列方法不同,采用类型为Any
(因此也是column
)的参数的方法更适合您的情况:
val joinDf = upcDf.join(lookupDf, Seq("V_ID"), "inner").
where(upcDf("U_ID").contains(lookupDf("U_ID"))).
select(upcDf("U_ID"), upcDf("V_ID"), upcDf("R_ID"))
joinDf.show
// +----+----+----+
// |U_ID|V_ID|R_ID|
// +----+----+----+
// | 45| 80| 400|
// | 36| 70| 300|
// +----+----+----+
请注意,基于列出的模式,示例数据集中的列U\U ID
应为String
类型
[更新]
根据评论中明确的要求,如果您想将匹配仅限于主角,我建议使用方法,并将上述where
条款替换为以下内容:
where(lookupDf("U_ID") === regexp_extract(upcDf("U_ID"), "^(.)", 1))
谢谢但我只想匹配第一个位置,而不是字符串中的任何位置..就像模式一样matching@Pradeep,请看我的扩展答案。谢谢。但我只想匹配第一个位置,而不是字符串中的任何位置..就像模式一样matching@Pradeep,请参阅我的扩展答案。