使用其他现有列 Spark/Scala 添加新列
Posted
技术标签:
【中文标题】使用其他现有列 Spark/Scala 添加新列【英文标题】:Adding new column using other existing columns Spark/Scala 【发布时间】:2021-05-12 15:08:00 【问题描述】:我想使用其他现有列添加新列。这必须在有条件的情况下释放。这是我的数据框的一个例子:
val data = Seq(("WHT20177", "CTHT WO/MTR# : WHT20212/BTI0426; WHT20177/BTH0393"),
("WHT55637", "CTHT WO/MTR# : WHT50747/BTI2699; WHT55637/SQL1239"))
val dataFrame = data.toDF("prev_wo", "ref_wo")
+--------+-------------------------------------------------+
|prev_wo |ref_wo |
+--------+-------------------------------------------------+
|WHT20177|CTHT WO/MTR# : WHT20212/BTI0426; WHT20177/BTH0393|
|WHT55637|CTHT WO/MTR# : WHT50747/BTI2699; WHT55637/SQL1239|
+--------+-------------------------------------------------+
“ref_wo”列必须包含“prev_wo”,仅在这种情况下,我必须将以下元素放入我将命名为“col1”的新列中。
第一行要提取的值为"BTH0393",第二行要提取的值为"SQL1239" 我正在使用两种不同的方法在 Spark Scala 中尝试这个。第一个只对第一行有反应,第二个只对第二行有反应。
第一种方法:
def addNewColumn(df: DataFrame): DataFrame =
val prev_wo = dataFrame.select("prev_wo").collectAsList().get(0).mkString(",")
val regex_extract = ("(?<=" + prev_wo + "\\/)(.7)").r
df
.withColumn("col1",
when($"ref_wo".contains(col("prev_wo")),
regexp_extract(col("ref_wo"), regex_extract.toString(), 1))
.otherwise(null)
)
val new_dataFrame = dataFrame
.transform(addNewColumn)
输出:
+--------+-------------------------------------------------+-------+
|prev_wo |ref_wo |col1 |
+--------+-------------------------------------------------+-------+
|WHT20177|CTHT WO/MTR# : WHT20212/BTI0426; WHT20177/BTH0393|BTH0393|
|WHT55637|CTHT WO/MTR# : WHT50747/BTI2699; WHT55637/SQL1239| |
+--------+-------------------------------------------------+-------+
第二种方法:
def addColumn(df: DataFrame): DataFrame =
var out = df
df.collect().foreach(row =>
val prev_wo = row.getValuesMap(Seq("prev_wo")).get("prev_wo").getOrElse("")
val regex_extract = ("(?<=" + prev_wo + "\\/)(.7)").r
out = out
.withColumn("col1",
when($"ref_wo".contains(col("prev_wo")),
regexp_extract(col("ref_wo"), regex_extract.toString(), 1))
.otherwise(null)
)
)
out
val new_dataFrame = dataFrame
.transform(addColumn)
输出
+--------+-------------------------------------------------+-------+
|prev_wo |ref_wo |col1 |
+--------+-------------------------------------------------+-------+
|WHT20177|CTHT WO/MTR# : WHT20212/BTI0426; WHT20177/BTH0393| |
|WHT55637|CTHT WO/MTR# : WHT50747/BTI2699; WHT55637/SQL1239|SQL1239|
+--------+-------------------------------------------------+-------+
【问题讨论】:
【参考方案1】:您可以将regexp_extract
与从prev_wo
动态生成的模式一起使用:
dataFrame.withColumn("col1", expr("regexp_extract(ref_wo, concat(prev_wo, '/(.7)'), 1)")).show(false)
+--------+-------------------------------------------------+-------+
|prev_wo |ref_wo |col1 |
+--------+-------------------------------------------------+-------+
|WHT20177|CTHT WO/MTR# : WHT20212/BTI0426; WHT20177/BTH0393|BTH0393|
|WHT55637|CTHT WO/MTR# : WHT50747/BTI2699; WHT55637/SQL1239|SQL1239|
+--------+-------------------------------------------------+-------+
【讨论】:
以上是关于使用其他现有列 Spark/Scala 添加新列的主要内容,如果未能解决你的问题,请参考以下文章