我有一个火花数据框架df
。有没有办法使用这些列的列表选择几列?
scala> df.columns
res0: Array[String] = Array("a", "b", "c", "d")
我知道我可以做像df.select("b", "c")
这样的事情。但是假设我有一个包含几个列名val cols = List("b", "c")
的列表,有没有办法将它传递给df.select? df.select(cols)
抛出错误。像python中的df.select(*cols)
之类的东西
您可以将String类型转换为spark列,如下所示:
import org.apache.spark.sql.functions._
df.select(cols.map(col): _*)
我刚刚学到的另一种选择。
import org.apache.spark.sql.functions.col
val columns = Seq[String]("col1", "col2", "col3")
val colNames = columns.map(name => col(name))
val df = df.select(colNames:_*)
您可以将Column*
类型的参数传递给select
:
val df = spark.read.json("example.json")
val cols: List[String] = List("a", "b")
//convert string to Column
val col: List[Column] = cols.map(df(_))
df.select(col:_*)
你可以这样做
String[] originCols = ds.columns();
ds.selectExpr(originCols)
spark selectExp源代码
/**
* Selects a set of SQL expressions. This is a variant of `select` that accepts
* SQL expressions.
*
* {{{
* // The following are equivalent:
* ds.selectExpr("colA", "colB as newName", "abs(colC)")
* ds.select(expr("colA"), expr("colB as newName"), expr("abs(colC)"))
* }}}
*
* @group untypedrel
* @since 2.0.0
*/
@scala.annotation.varargs
def selectExpr(exprs: String*): DataFrame = {
select(exprs.map { expr =>
Column(sparkSession.sessionState.sqlParser.parseExpression(expr))
}: _*)
}
是的,您可以在scala中使用.select。
使用.head和.tail选择List()中提到的整个值
例
val cols = List("b", "c")
df.select(cols.head,cols.tail: _*)
首先将String Array转换为Spark数据集列类型,如下所示
String[] strColNameArray = new String[]{"a", "b", "c", "d"};
List<Column> colNames = new ArrayList<>();
for(String strColName : strColNameArray){
colNames.add(new Column(strColName));
}
然后使用select语句中的JavaConversions函数转换List,如下所示。您需要以下import语句。
import scala.collection.JavaConversions;
Dataset<Row> selectedDF = df.select(JavaConversions.asScalaBuffer(colNames ));