Scala Spark Dataframe Arraytype列

我想在dataframe上创建一个新列，这是将函数应用于arraytype列的结果

大概是这样的：

df = df.withColumn("max_$colname", max(col(colname)))

列的每一行都包含一个值数组

---

spark.sql.function中的函数似乎仅在列的基础上工作。

您可以在数组列上应用用户定义的函数

1.数据帧

+------------------+
|               arr|
+------------------+
|   [1, 2, 3, 4, 5]|
|[4, 5, 6, 7, 8, 9]|
+------------------+

2.创建自定义项

import org.apache.spark.sql.functions._
def max(arr: TraversableOnce[Int])=arr.toList.max
val maxUDF=udf(max(_:Traversable[Int]))

3.在查询中应用自定义项

df.withColumn("arrMax",maxUDF(df("arr"))).show

4.结果

+------------------+------+
|               arr|arrMax|
+------------------+------+
|   [1, 2, 3, 4, 5]|     5|
|[4, 5, 6, 7, 8, 9]|     9|
+------------------+------+

---

您想要应用什么样的函数？任何标准的汇总统计信息：最小值、最大值、计数、平均值、方差等。我编写了从数组中查找最大值的代码。类似地，您可以编写逻辑来对数组执行任何操作。