Scala 数据帧上的操作
我使用Spark 1.3中的DataFrame API 我希望从数据帧中的日期获取一周中的某一天,而不会丢失数据帧的所有元素 在使用DataFrameAPI之前,我曾经使用jodatime在一个简单的映射上获取它 现在有一个有效的解决方案:Scala 数据帧上的操作,scala,apache-spark,apache-spark-sql,Scala,Apache Spark,Apache Spark Sql,我使用Spark 1.3中的DataFrame API 我希望从数据帧中的日期获取一周中的某一天,而不会丢失数据帧的所有元素 在使用DataFrameAPI之前,我曾经使用jodatime在一个简单的映射上获取它 现在有一个有效的解决方案: sqlContext.createDataFrame(myDataFrame.map(l=>operationOnTheField(l)),myDataFrame.schema)) 是否可以在不返回RDD[行]上的映射的情况下执行此操作,然后使用此R
sqlContext.createDataFrame(myDataFrame.map(l=>operationOnTheField(l)),myDataFrame.schema))
是否可以在不返回
RDD[行]
上的映射的情况下执行此操作,然后使用此RDD创建数据帧?您可以使用对DataFrame
调用select()
和用户定义函数(UDF)的组合来转换相关列
import org.apache.spark.sql.SQLContext
import org.apache.spark.{SparkContext, SparkConf}
import org.apache.spark.sql.functions._
用于设置示例DataFrame
的case类
private case class Cust(id: Integer, name: String,
sales: Double, discount: Double, state: String)
然后设置SQLContext
并创建DataFrame
,如下所示:
import sqlContext.implicits._
val custs = Seq(
Cust(1, "Widget Co", 120000.00, 0.00, "AZ"),
Cust(2, "Acme Widgets", 410500.00, 500.00, "CA"),
Cust(3, "Widgetry", 410500.00, 200.00, "CA"),
Cust(4, "Widgets R Us", 410500.00, 0.0, "CA"),
Cust(5, "Ye Olde Widgete", 500.00, 0.0, "MA")
)
val customerDF = sc.parallelize(custs, 4).toDF()
注册一个简单的自定义项,用于转换“折扣”列
val myFunc = udf {(x: Double) => x + 1}
获取列,将自定义项应用于“折扣”列并保持其他列不变
val colNames = customerDF.columns
val cols = colNames.map(cName => customerDF.col(cName))
val theColumn = customerDF("discount")
我想找到一个“更好”的方法来匹配这个专栏,但是下面的方法很有效。
使用as()
val mappedCols = cols.map(c =>
if (c.toString() == theColumn.toString()) myFunc(c).as("transformed") else c)
使用select()生成新的数据帧
val newDF = customerDF.select(mappedCols:_*)
你变了
id name sales discount state
1 Widget Co 120000.0 0.0 AZ
2 Acme Widgets 410500.0 500.0 CA
3 Widgetry 410500.0 200.0 CA
4 Widgets R Us 410500.0 0.0 CA
5 Ye Olde Widgete 500.0 0.0 MA
进入
你可以找到完整的例子。如果您对精确的列替换不太挑剔,则可以简化操作。试试这个
Table.select(Table("Otherkey"),MyUdf(Table("ColNeeded")).as("UdfTransformed"))
MyUdf是您定义的udf。例如,谢谢。在我看来,spark数据帧API中的UDF不是很优雅和直观=(
Table.select(Table("Otherkey"),MyUdf(Table("ColNeeded")).as("UdfTransformed"))