带参数的 getItem 是列名

Posted 2023-04-14

【中文标题】带参数的 getItem 是列名

【英文标题】：getItem with argument is column name

【发布时间】：2018-11-19 23:21:14

【问题描述】：

我的专栏col1 是一个数组。

我知道col1.getItem(2) 允许您访问列的第二个参数。是否有一个函数可以使用参数作为列 col1.getItem(col2) 访问？

我可以创建一个 UDF，但我必须指定数组的类型（并且它可以是多种类型），所以通用的方式会更好，更受欢迎！

我使用的 UDF：

  def retrieveByIndexSingle[T : ClassTag](value:Seq[T] ,index:Int,offset:Int=0):T = value(index + offset)

  def retrieveByIndexSingleDUDF = udf((value:Seq[Double] ,index:Int) => 
    retrieveByIndexSingle[Double](value, index)
  )

  def retrieveByIndexSingleSUDF = udf((value:Seq[String] ,index:Int) => 
    retrieveByIndexSingle[String](value, index)
  )

【参考方案1】：

可以使用 SQL 表达式，例如 expr:

import org.apache.spark.sql.functions.expr

val df = Seq(
    (Seq("a", "b", "c"), 0), (Seq("d", "e", "f"), 2)
).toDF("col1", "col2")
df.withColumn("col3", expr("col1[col2]")).show

+---------+----+----+
|     col1|col2|col3|
+---------+----+----+
|[a, b, c]|   0|   a|
|[d, e, f]|   2|   f|
+---------+----+----+

或者，在 Spark 2.4 或更高版本中，element_at 函数：

import org.apache.spark.sql.functions.element_at

df.withColumn("col3", element_at($"col1", $"col2" + 1)).show

+---------+----+----+
|     col1|col2|col3|
+---------+----+----+
|[a, b, c]|   0|   a|
|[d, e, f]|   2|   f|
+---------+----+----+

请注意，目前（Spark 2.4）这两种方法之间存在不一致：

SQL [] 索引是从 0 开始的。 element_at 索引是从 1 开始的。