如何将 Spark Dataframe 列转换为字符串数组的单列

Posted 2023-04-17

【中文标题】如何将 Spark Dataframe 列转换为字符串数组的单列

【英文标题】：How to transform Spark Dataframe columns to a single column of a string array

【发布时间】：2016-12-07 15:35:02

【问题描述】：

我想知道如何将多个数据框列“合并”为一个字符串数组？

例如，我有这个数据框：

val df = sqlContext.createDataFrame(Seq((1, "Jack", "125", "Text"), (2,"Mary", "152", "Text2"))).toDF("Id", "Name", "Number", "Comment")

看起来像这样：

scala> df.show
+---+----+------+-------+
| Id|Name|Number|Comment|
+---+----+------+-------+
|  1|Jack|   125|   Text|
|  2|Mary|   152|  Text2|
+---+----+------+-------+

scala> df.printSchema
root
 |-- Id: integer (nullable = false)
 |-- Name: string (nullable = true)
 |-- Number: string (nullable = true)
 |-- Comment: string (nullable = true)

我怎样才能使它看起来像这样：

scala> df.show
+---+-----------------+
| Id|             List|
+---+-----------------+
|  1|  [Jack,125,Text]|
|  2| [Mary,152,Text2]|
+---+-----------------+

scala> df.printSchema
root
 |-- Id: integer (nullable = false)
 |-- List: Array (nullable = true)
 |    |-- element: string (containsNull = true)

【参考方案1】：

使用org.apache.spark.sql.functions.array:

import org.apache.spark.sql.functions._
val result = df.select($"Id", array($"Name", $"Number", $"Comment") as "List")

result.show()
// +---+------------------+
// |Id |List              |
// +---+------------------+
// |1  |[Jack, 125, Text] |
// |2  |[Mary, 152, Text2]|
// +---+------------------+

【讨论】：

谢谢。这是正确的答案。但是继续前进，我遇到了下一个问题。它没有具体相关，所以我创建了一个新问题。看看吧，也许你能再次帮助我：***.com/questions/41245227/…

不错的答案，这对我有很大帮助！

我正在做这样的事情但是如何在构造数组时忽略空值？

@marcia12：我一直在寻找类似的解决方案。找到link 并以此为基础从数组中过滤掉空值： def NonNullArray = udf(arry: Seq[String]) => if (arry.size >0) arry.filterNot(_ == null) 其他 null )

【参考方案2】：

也可以与 withColumn 一起使用：

import org.apache.spark.sql.functions as F
   
df.withColumn("Id", F.array(F.col("Name"), F.col("Number"), F.col("Comment")))