Scala 如何在具有数组类型列的值中添加索引
我需要向列数组中添加序列号 我的源数据是拼花格式的,数量接近20亿条记录。 在这里,我只能从拼花地板中选择键和代码列,并将序号添加到ref_代码中,然后将其加载回S3Scala 如何在具有数组类型列的值中添加索引,scala,apache-spark,parquet,Scala,Apache Spark,Parquet,我需要向列数组中添加序列号 我的源数据是拼花格式的,数量接近20亿条记录。 在这里,我只能从拼花地板中选择键和代码列,并将序号添加到ref_代码中,然后将其加载回S3 Key_1 Key_2 Key_3 Ref_codes 112240386 7435038894 2 [4659,53540,78907] 113325994 7940375640 1 [7232,7840,83969] 223352476 7765270324 4
Key_1 Key_2 Key_3 Ref_codes
112240386 7435038894 2 [4659,53540,78907]
113325994 7940375640 1 [7232,7840,83969]
223352476 7765270324 4 [9999]
345936074 7950076012 1 [78650,4829,30000]
Key_1 Key_2 Key_3 Ref_codes
112240386 7435038894 2 [(4659,0),(53540,1),(78907,2)]
113325994 7940375640 1 [(7232,0),(7840,1),(83969,2)]
223352476 7765270324 4 [(9999,0)]
345936074 7950076012 1 [(78650,0),(4829,1),(30000,2)]
我是Scala新手,我尝试了多个选项,但没有得到正确的结果。非常感谢您的帮助…您可以在最新版本的spark中使用更高阶的函数,如transform,如下所示。 数据: 火花3.0.0+ 火花>2.4 火花<2.4 输出:
+---------+----------+-----+----------------------------------+
|key_1 |key_2 |key_3|ref_code |
+---------+----------+-----+----------------------------------+
|112240386|7435038894|2 |[[4659, 0], [53540, 1], [7890, 2]]|
|113325994|7940375640|1 |[[7232, 0], [7840, 1], [8396, 2]] |
|223352476|7765270324|4 |[[999, 0]] |
|345936074|7950076012|1 |[[78650, 0], [4829, 1], [3000, 2]]|
+---------+----------+-----+----------------------------------+
有关转换的更多示例是您可以在最新版本的spark中使用更高阶的函数,如转换,如下所示。 数据: 火花3.0.0+ 火花>2.4 火花<2.4 输出:
+---------+----------+-----+----------------------------------+
|key_1 |key_2 |key_3|ref_code |
+---------+----------+-----+----------------------------------+
|112240386|7435038894|2 |[[4659, 0], [53540, 1], [7890, 2]]|
|113325994|7940375640|1 |[[7232, 0], [7840, 1], [8396, 2]] |
|223352476|7765270324|4 |[[999, 0]] |
|345936074|7950076012|1 |[[78650, 0], [4829, 1], [3000, 2]]|
+---------+----------+-----+----------------------------------+
更多关于变换的例子是Hi Koiralo,它工作得很好。。非常感谢您的解决方案是的,它工作得很好。。我甚至尝试了更大的音量,效果很好。嗨,Koiralo,效果很好。。非常感谢您的解决方案是的,它工作得很好。。我甚至尝试了更大的音量,效果很好。
df.withColumn("ref_code", expr("transform(ref_code, (x,i) -> (x,i) )"))
val addIndex = udf((arr: Seq[Int]) => arr.zipWithIndex)
df.withColumn("ref_code", addIndex($"ref_code")).show(false)
+---------+----------+-----+----------------------------------+
|key_1 |key_2 |key_3|ref_code |
+---------+----------+-----+----------------------------------+
|112240386|7435038894|2 |[[4659, 0], [53540, 1], [7890, 2]]|
|113325994|7940375640|1 |[[7232, 0], [7840, 1], [8396, 2]] |
|223352476|7765270324|4 |[[999, 0]] |
|345936074|7950076012|1 |[[78650, 0], [4829, 1], [3000, 2]]|
+---------+----------+-----+----------------------------------+