带参数的 getItem 是列名
Posted
技术标签:
【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)
)
【问题讨论】:
【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。
【讨论】:
以上是关于带参数的 getItem 是列名的主要内容,如果未能解决你的问题,请参考以下文章