将 Spark Dataframe 转换为 Scala Map 集合

Posted

技术标签:

【中文标题】将 Spark Dataframe 转换为 Scala Map 集合【英文标题】:Converting a Spark Dataframe to a Scala Map collection 【发布时间】:2016-04-27 16:15:17 【问题描述】:

我正在尝试找到将整个 Spark 数据帧转换为 scala 地图集合的最佳解决方案。最好如下图所示:

从此开始(在 Spark 示例中):

val df = sqlContext.read.json("examples/src/main/resources/people.json")

df.show
+----+-------+
| age|   name|
+----+-------+
|null|Michael|
|  30|   Andy|
|  19| Justin|
+----+-------+

到这样表示的 Scala 集合(Map of Maps):

val people = Map(
Map("age" -> null, "name" -> "Michael"),
Map("age" -> 30, "name" -> "Andy"),
Map("age" -> 19, "name" -> "Justin")
)

【问题讨论】:

【参考方案1】:

我认为你的问题没有意义——你最外层的Map,我只看到你试图将值填入其中——你需要在最外面的Map 中有键/值对。话虽这么说:

val peopleArray = df.collect.map(r => Map(df.columns.zip(r.toSeq):_*))

会给你:

Array(
  Map("age" -> null, "name" -> "Michael"),
  Map("age" -> 30, "name" -> "Andy"),
  Map("age" -> 19, "name" -> "Justin")
)

那时你可以这样做:

val people = Map(peopleArray.map(p => (p.getOrElse("name", null), p)):_*)

这会给你:

Map(
  ("Michael" -> Map("age" -> null, "name" -> "Michael")),
  ("Andy" -> Map("age" -> 30, "name" -> "Andy")),
  ("Justin" -> Map("age" -> 19, "name" -> "Justin"))
)

我猜这确实是你想要的。如果您想在任意Long 索引上键入它们,您可以这样做:

val indexedPeople = Map(peopleArray.zipWithIndex.map(r => (r._2, r._1)):_*)

这给了你:

Map(
  (0 -> Map("age" -> null, "name" -> "Michael")),
  (1 -> Map("age" -> 30, "name" -> "Andy")),
  (2 -> Map("age" -> 19, "name" -> "Justin"))
)

【讨论】:

那行得通。我其实是误会了。我只需要一组地图,而第一行正是我所需要的。谢谢【参考方案2】:

首先从 Dataframe 中获取架构

val schemaList = dataframe.schema.map(_.name).zipWithIndex//get schema list from dataframe

从dataframe中获取rdd并映射

dataframe.rdd.map(row =>
  //here rec._1 is column name and rce._2 index
  schemaList.map(rec => (rec._1, row(rec._2))).toMap
 ).collect.foreach(println)

【讨论】:

以上是关于将 Spark Dataframe 转换为 Scala Map 集合的主要内容,如果未能解决你的问题,请参考以下文章

将包含 BigInt 的 RDD 转换为 Spark Dataframe

将 Spark DataFrame 转换为 Pojo 对象

将Spark Dataframe转换为Scala Map集合

将 Spark DataFrame 架构转换为新架构

如何将 scala spark.sql.dataFrame 转换为 Pandas 数据框

如何将 spark DataFrame 转换为 RDD mllib LabeledPoints?