将Spark Dataframe转换为Scala Map集合

Posted 2021-03-28

我正在尝试找到将整个Spark数据帧转换为scala Map集合的最佳解决方案。最好说明如下：

从这里开始（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|
+----+-------+

Scala集合（Map of Maps）代表如下：

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

答案

我不认为你的问题是有道理的 - 你最外面的Map，我只看到你试图填充值 - 你需要在最外面的Map中拥有键/值对。话虽如此：

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)):_*)

哪个会给你：

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

我猜这真的更像你想要的。如果你想在任意Long索引上键入它们，你可以这样做：

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

哪个给你：

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

另一答案

首先从Dataframe获取模式

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

从数据框中获取rdd并使用它进行映射

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)