Java-Spark：如何在循环中迭代时获取 Dataset<Row> 列的值并在 when().otherwise() 中使用它？

Posted 2023-04-17

【中文标题】Java-Spark：如何在循环中迭代时获取 Dataset<Row> 列的值并在 when().otherwise() 中使用它？

【英文标题】：Java-Spark: how to get a Dataset<Row> column's value when iterating in a loop and use it in when().otherwise()?

【发布时间】：2019-02-19 10:48:27

【问题描述】：

我有一个Dataset<Row>，其列的值为"null"（空文字）。 我正在尝试将 "null" 文本替换为文本：\N。 为此，我使用了一个逻辑，我将添加一个名称附加“_nulled”的新列，例如abc 列变为 abc_nulled，如果当前值为文本 null，则此新列将具有值 "\N" > 否则价值保持不变。 为此，我使用了withColumn(<new name>, when(col.equalTo("null"), "\\N").otherwise(<existing_value>))。 我如何获得这个<existing_value>. 当我通过otherwise(ds.col(col_nm)) 时它不起作用，可能是因为它在otherwise() 中期待String 并找到Column。

我应该如何解决这个问题？代码如下：

ArrayList<String> newCols = new ArrayList<String>();
List<String> reqColListCopy = Arrays.asList(reqCols);
Dataset<Row> testingDS = DS.selectExpr(JavaConverters.asScalaIteratorConverter(reqColListCopy.iterator()).asScala().toSeq())

//Creating newCols (ArrayList so that I can add/remove column names.
Iterator itrTmp2 = reqColListCopy.iterator();
while(itrTmp2.hasNext())
    newCols.add((String)itrTmp2.next());


//Creating a List reference for newCols ArrayList. This will be used to get Seq(<columns>).
List<String> newColsList = newCols;

Iterator colListItr = reqColListCopy.iterator();
while(colListItr.hasNext())

    String col = colListItr.next().toString();
    testingDS = testingDS.selectExpr(convertListToSeq(newColsList))
            .withColumn(col+"_nulled",  functions.when(testingDS.col(col).equalTo("null"), functions.lit("\\N")).otherwise(testingDS.col(col))) //'otherwise' needs a string parameter
            .drop(testingDS.col(col));

    newCols.add(col+"_nulled");
    newCols.remove(col);
    newColsList = newCols;

Dataset<Row> testingDS = DS.selectExpr(JavaConverters.asScalaIteratorConverter(newColsList.iterator()).asScala().toSeq())

testingDS.show(false);

【参考方案1】：

我通过在lit() 中传递列来解决它：

.withColumn(col+"_nulled",  functions.when(testingDS.col(col).equalTo("null"), functions.lit("\\N")).otherwise(functions.lit(testingDS.col(col)))) //'otherwise' needs a string parameter

【讨论】：

是否有检查非空值的选项？我实际上希望将非空值放在引号中，并且不修改空值