假设我有以下数据框:
scala> val df1 = Seq("a", "b").toDF("id").withColumn("nums", array(lit(1)))
df1: org.apache.spark.sql.DataFrame = [id: string, nums: array<int>]
scala> df1.show()
+---+----+
| id|nums|
+---+----+
| a| [1]|
| b| [1]|
+---+----+
我想将元素添加到
nums
列中的数组中,这样我就会得到如下所示的内容:
+---+-------+
| id|nums |
+---+-------+
| a| [1,5] |
| b| [1,5] |
+---+-------+
有没有办法使用 DataFrame 的
.withColumn()
方法来做到这一点?例如
val df2 = df1.withColumn("nums", append(col("nums"), lit(5)))
我浏览了 Spark 的 API 文档,但找不到任何可以让我执行此操作的内容。
import org.apache.spark.sql.functions.{lit, array, array_union}
val df1 = Seq("a", "b").toDF("id").withColumn("nums", array(lit(1)))
val df2 = df1.withColumn("nums", array_union($"nums", lit(Array(5))))
df2.show
+---+------+
| id| nums|
+---+------+
| a|[1, 5]|
| b|[1, 5]|
+---+------+
自 Spark 2.4.0 于 2018 年 11 月 2 日发布以来添加了
array_union()
,即您提出问题 7 个月后,:) 请参阅 https://spark.apache.org/news/index.html
您可以使用
udf
函数来完成此操作,如
def addValue = udf((array: Seq[Int])=> array ++ Array(5))
df1.withColumn("nums", addValue(col("nums")))
.show(false)
你应该得到
+---+------+
|id |nums |
+---+------+
|a |[1, 5]|
|b |[1, 5]|
+---+------+
已更新 另一种方法是采用数据集方式并使用地图作为
df1.map(row => add(row.getAs[String]("id"), row.getAs[Seq[Int]]("nums")++Seq(5)))
.show(false)
其中 add 是案例类
case class add(id: String, nums: Seq[Int])
希望我的回答对你有帮助
如果您像我一样正在搜索如何在 Spark SQL 语句中执行此操作;方法如下:
%sql
select array_union(array("value 1"), array("value 2"))
您可以使用 array_union 连接两个数组。为了能够使用它,您必须将要附加的值转换为数组。通过使用 array() 函数来完成此操作。
您可以输入一个值,例如数组(“字符串”)或数组(您的列)。
使用 Spark array_join 时要小心。它正在删除重复项。因此,如果数组中有重复的条目,您将不会获得预期的结果。而且至少要花费O(N)。因此,当我将它与数组聚合一起使用时,它变成了 O(N^2) 操作,并且对于某些大型数组来说需要很长时间。
Spark 3.4+ 有一个将元素追加到数组末尾的方法:
array_append($"nums", 5)
Spark 3.5+ 有一种将元素追加到数组开头的方法:
array_prepend($"nums", 5)
示例:
val df1 = Seq("a", "b").toDF("id").withColumn("nums", array(lit(1)))
df1.show()
// +---+----+
// | id|nums|
// +---+----+
// | a| [1]|
// | b| [1]|
// +---+----+
val df2 = df1.withColumn("nums", array_append($"nums", 5))
df2.show()
// +---+------+
// | id| nums|
// +---+------+
// | a|[1, 5]|
// | b|[1, 5]|
// +---+------+
val df3 = df1.withColumn("nums", array_prepend($"nums", 5))
df3.show()
// +---+------+
// | id| nums|
// +---+------+
// | a|[5, 1]|
// | b|[5, 1]|
// +---+------+