Искра: добавьте столбец в dataframe условно

Я пытаюсь взять свои исходные данные:

A    B       C
--------------
4    blah    2
2            3
56   foo     3

И добавьте столбец в конец на основе того, пусто ли B или нет:

A    B       C     D
--------------------
4    blah    2     1
2            3     0
56   foo     3     1

Я могу сделать это легко, зарегистрировав входной фрейм как временную таблицу, а затем набрав SQL-запрос.

Но мне очень хотелось бы знать, как это сделать, используя только методы Scala и не нужно вводить SQL-запрос в Scala.

Я пробовал .withColumn, но я не могу сделать это, чтобы делать то, что хочу.

Ответы

Ответ 1

Попробуйте withColumn с функцией, when:

val sqlContext = new SQLContext(sc)
import sqlContext.implicits._ // for 'toDF' and $""
import org.apache.spark.sql.functions._ // for 'when'

val df = sc.parallelize(Seq((4, "blah", 2), (2, "", 3), (56, "foo", 3), (100, null, 5)))
    .toDF("A", "B", "C")

val newDf = df.withColumn("D", when($"B".isNull or $"B" === "", 0).otherwise(1))

newDf.show() показывает

+---+----+---+---+
|  A|   B|  C|  D|
+---+----+---+---+
|  4|blah|  2|  1|
|  2|    |  3|  0|
| 56| foo|  3|  1|
|100|null|  5|  0|
+---+----+---+---+

Я добавил строку (100, null, 5) для проверки isNull.

Я пробовал этот код с Spark 1.6.0 но, как прокомментировал код, when он работает, он работает в версиях после 1.4.0.

Ответ 2

Мой плохой, я пропустил одну часть вопроса.

Лучший, самый чистый способ - использовать UDF. Объяснение в коде.

// create some example data...BY DataFrame
// note, third record has an empty string
case class Stuff(a:String,b:Int)
val d= sc.parallelize(Seq( ("a",1),("b",2),
     ("",3) ,("d",4)).map { x => Stuff(x._1,x._2)  }).toDF

// now the good stuff.
import org.apache.spark.sql.functions.udf
// function that returns 0 is string empty 
val func = udf( (s:String) => if(s.isEmpty) 0 else 1 )
// create new dataframe with added column named "notempty"
val r = d.select( $"a", $"b", func($"a").as("notempty") )

    scala> r.show
+---+---+--------+
|  a|  b|notempty|
+---+---+--------+
|  a|  1|    1111|
|  b|  2|    1111|
|   |  3|       0|
|  d|  4|    1111|
+---+---+--------+

Ответ 3

Как насчет чего-то подобного?

val newDF = df.filter($"B" === "").take(1) match {
  case Array() => df
  case _ => df.withColumn("D", $"B" === "")
}

Использование take(1) должно иметь минимальный хит