在 Spark Java API 中加入行数据集
Posted
技术标签:
【中文标题】在 Spark Java API 中加入行数据集【英文标题】:Join Row DataSets In Spark Java API 【发布时间】:2018-05-03 18:29:40 【问题描述】:我想要两个连接两个数据集 DS1 和 DS2 得到 DS3
DS1:
+---------+--------------------+-----------+------------+
|Compte | Lib |ReportDebit|ReportCredit|
+---------+--------------------+-----------+------------+
| 447105|Autres impôts, ta...| 77171.0| 0.0|
| 753000|Jetons de présenc...| 6839.0| 0.0|
| 511107|Valeurs à l’encai...| 0.0| 77171.0|
+---------+--------------------+-----------+------------+
DS2:
+---------+------------+
|Compte |SoldeBalance|
+---------+------------+
| 447105 | 992.13|
| 111111 | 35065.0|
我想得到这样的 DS3:
+---------+--------------------+-----------+------------+------------+
|Compte | CompteLib|ReportDebit|ReportCredit|SoldeBalance|
+---------+--------------------+-----------+------------+------------+
| 447105|Autres impôts, ta...| 77171.0| 0.0| 992.13|
| 753000|Jetons de présenc...| 6839.0 | 0.0| 0.0|
| 511107|Valeurs à l’encai...| 0.0| 77171.0| 0.0|
111111| | 0.0| 0.0| 35065.0|
+---------+--------------------+-----------+------------+------------+
有人可以用示例 Spark Java 表达式指导我吗? 提前致谢。
【问题讨论】:
欢迎来到 Stack Overflow。您已经发布了一个小时的exactly the same question,该帖子已作为副本关闭。请不要通过删除和重新发布问题来滥用该网站。如果重复没有回答您的询问,edit 问题,并描述您遇到的问题。还要确保遵循How to ask 的说明并提供可重现的示例(minimal reproducible example,Repr. Spark Example) 【参考方案1】:您可以通过应用完全外连接然后将空值替换为所需值来实现此目的。
import static org.apache.spark.sql.functions.*;
...
ds1.join(ds2, ds1.col("Compte").equalTo(ds2.col("Compte")), "full_outer")
.select(ds1.col("Compte").alias("Compte1"),
ds2.col("Compte").alias("Compte2"),
ds1.col("Lib"),
ds1.col("ReportDebit"),
ds1.col("ReportCredit"),
ds2.col("SoldeBalance"))
.withColumn("Compte", when(col("Compte1").isNull(), col("Compte2")).otherwise(col("Compte1")))
.drop("Compte1", "Compte2")
.na().fill(0.0, new String[] "ReportDebit", "ReportCredit", "SoldeBalance" )
.na().fill("", new String[] "Lib" )
.show();
输出:
+--------------------+-----------+------------+------------+------+
| Lib|ReportDebit|ReportCredit|SoldeBalance|Compte|
+--------------------+-----------+------------+------------+------+
|Valeurs à l’encai...| 0.0| 77171.0| 0.0|511107|
|Autres impôts, ta...| 77171.0| 0.0| 992.13|447105|
| | 0.0| 0.0| 35065.0|111111|
|Jetons de présenc...| 6839.0| 0.0| 0.0|753000|
+--------------------+-----------+------------+------------+------+
【讨论】:
以上是关于在 Spark Java API 中加入行数据集的主要内容,如果未能解决你的问题,请参考以下文章