Scala如何匹配两个df if mathes然后更新第一个df中的键并从所需df中选择所有列
我有两个数据帧中的数据: 选定人员f:Scala如何匹配两个df if mathes然后更新第一个df中的键并从所需df中选择所有列,scala,apache-spark,Scala,Apache Spark,我有两个数据帧中的数据: 选定人员f: ID key Name 1 lak 2 Mouny 3 kkk 4 nnn 5 hhh 已选择的细节SDF: first second third key -------------------------- 1 9 9 777 9 8 8 878 8 10 10
ID key Name
1 lak
2 Mouny
3 kkk
4 nnn
5 hhh
已选择的细节SDF:
first second third key
--------------------------
1 9 9 777
9 8 8 878
8 10 10 765
10 12 19 909
11 2 20 708
val columnsToCheck = selectedDetailsDF.columns.toSet - "key" toList
import org.apache.spark.sql.functions._
val tempSelectedDetailsDF = selectedDetailsDF.select(array(columnsToCheck.map(col): _*).as("array"), col("key").as("key2"))
val arrayContains = udf((array: collection.mutable.WrappedArray[String], value: String) => array.contains(value))
val finalDF = selectedPersonDF.join(tempSelectedDetailsDF, arrayContains($"array", $"ID"), "left")
.select($"ID", $"key2".as("key"))
.na.fill("")
得到如下输出:
+---+---+
|ID |key|
+---+---+
|1 |777|
|2 |708|
|3 | |
|4 | |
|5 | |
+---+---+
期望:
我想显示selectedPersonDF中的所有列我必须将selectedPersonDF id列与selectedDetailsDF所有列(第一、第二、第三)匹配如果任何列数据与Person id匹配,那么我们必须从selectedDetailsDF中获取键值,并在selectedPersonDF key列中更新
ID key Name
1 777 lak
2 708 Mouny
3 kkk
4 nnn
5 hhh
任何人都请帮助我。也只需选择
Name
列即可
val finalDF = selectedPersonDF.join(tempSelectedDetailsDF, arrayContains($"array", $"ID"), "left")
.select($"ID", $"key", $"Name")
.na.fill("")
你应该没事的
如果在selectedPersonDF
中有更多列,并且您希望将它们全部选择为
val columnsToSelect = selectedPersonDF.columns
val finalDF = selectedPersonDF.join(tempSelectedDetailsDF, arrayContains($"array", $"ID"), "left")
.select(columnToSelect.map(col): _*)
.na.fill("")
我建议您使用有助于优化的内置函数,而不是使用UDF
您可以使用多个键的组合进行连接,并获得如下结果
val joinCondition = df1("ID") === selectedDetailsDF("A") ||
df1("ID") === selectedDetailsDF("B") ||
df1("ID") === selectedDetailsDF("C")
val df2 = df1.drop("key")
.join(selectedDetailsDF, joinCondition, "left")
.drop("A", "B", "c")
.withColumnRenamed("D", "key")
.na.fill("")
我希望这比使用udf更优化。我希望这能对您有所帮助。我尝试了第一个,它正在工作,但我有更多的列来选择它们,所以我选择了第二个,我发现错误“key”不明确,可能是:key#1,key#104。;我已经更新了答案,请检查:)这是因为您使用alias时重复了键
列。现在应该可以了