将行值转换为列,其值来自 spark scala 中的另一列 [重复]
Posted
技术标签:
【中文标题】将行值转换为列,其值来自 spark scala 中的另一列 [重复]【英文标题】:Convert row values into columns with its value from another column in spark scala [duplicate] 【发布时间】:2018-10-25 04:06:51 【问题描述】:我正在尝试将行中的值转换为不同的列,其值来自另一列。例如 -
输入数据框就像 -
+-----------+
| X | Y | Z |
+-----------+
| 1 | A | a |
| 2 | A | b |
| 3 | A | c |
| 1 | B | d |
| 3 | B | e |
| 2 | C | f |
+-----------+
输出数据框应该是这样的 -
+------------------------+
| Y | 1 | 2 | 3 |
+------------------------+
| A | a | b | c |
| B | d | null | e |
| C | null | f | null |
+------------------------+
我尝试根据 Y 和 X 和 Z 上的 collect_list 对值进行分组,然后将 X 和 Z 压缩在一起以获得某种键值对。但是某些 Y 值可能缺少一些 X,因此为了用空值填充它们,我交叉连接了 X 的所有可能值和 Y 的所有可能值,然后将其加入我的原始数据框。这种方法效率极低。
有没有有效的方法来解决这个问题?提前致谢。
【问题讨论】:
专门用first
聚合函数。
【参考方案1】:
您可以简单地将groupBy
与pivot
和first
一起用作聚合函数
import org.apache.spark.sql.functions._
df.groupBy("Y").pivot("X").agg(first("z"))
输出:
+---+----+----+----+
|Y |1 |2 |3 |
+---+----+----+----+
|B |d |null|e |
|C |null|f |null|
|A |a |b |c |
+---+----+----+----+
【讨论】:
成功了。谢谢。 好的,接受了。 df.groupBy("Y").pivot("X").agg(first("Z"))以上是关于将行值转换为列,其值来自 spark scala 中的另一列 [重复]的主要内容,如果未能解决你的问题,请参考以下文章