使用 Spark Dataframe scala 将多个不同的列转换为 Map 列

Posted 2023-04-17

【中文标题】使用 Spark Dataframe scala 将多个不同的列转换为 Map 列

【英文标题】：Converting multiple different columns to Map column with Spark Dataframe scala

【发布时间】：2015-10-18 14:56:27

【问题描述】：

我有一个带有列的数据框：user, address1, address2, address3, phone1, phone2 等等。 我想将此数据框转换为 - user, address, phone where address = Map("address1" -> address1.value, "address2" -> address2.value, "address3" -> address3.value)

我能够使用以下方法将列转换为地图：

val mapData = List("address1", "address2", "address3")
df.map(_.getValuesMap[Any](mapData))

但我不确定如何将其添加到我的 df 中。

我是 spark 和 scala 的新手，在这里真的可以使用一些帮助。

【参考方案1】：

火花 >= 2.0

你可以跳过udf而使用map（Python中的create_map）SQL函数：

import org.apache.spark.sql.functions.map

df.select(
  map(mapData.map(c => lit(c) :: col(c) :: Nil).flatten: _*).alias("a_map")
)

火花

据我所知，没有直接的方法可以做到这一点。您可以像这样使用 UDF：

import org.apache.spark.sql.functions.udf, array, lit, col

val df = sc.parallelize(Seq(
  (1L, "addr1", "addr2", "addr3")
)).toDF("user", "address1", "address2", "address3")

val asMap = udf((keys: Seq[String], values: Seq[String]) => 
  keys.zip(values).filter
    case (k, null) => false
    case _ => true
  .toMap)

val keys = array(mapData.map(lit): _*)
val values = array(mapData.map(col): _*)

val dfWithMap = df.withColumn("address", asMap(keys, values))

另一个不需要 UDF 的选项是 struct field 而不是 map：

val dfWithStruct = df.withColumn("address", struct(mapData.map(col): _*))

最大的优点是可以轻松处理不同类型的值。