我需要在现有列的基础上创建一个新的Spark DF MapType列,其中列名是键,值是值。
例如-我有一个DF:
rdd = sc.parallelize([('123k', 1.3, 6.3, 7.6),
('d23d', 1.5, 2.0, 2.2),
('as3d', 2.2, 4.3, 9.0)
])
schema = StructType([StructField('key', StringType(), True),
StructField('metric1', FloatType(), True),
StructField('metric2', FloatType(), True),
StructField('metric3', FloatType(), True)])
df = sqlContext.createDataFrame(rdd, schema)
+----+-------+-------+-------+
| key|metric1|metric2|metric3|
+----+-------+-------+-------+
|123k| 1.3| 6.3| 7.6|
|d23d| 1.5| 2.0| 2.2|
|as3d| 2.2| 4.3| 9.0|
+----+-------+-------+-------+
到目前为止,我已经可以根据以下内容创建结构类型:
nameCol = struct([name for name in df.columns if ("metric" in name)]).alias("metric")
df2 = df.select("key", nameCol)
+----+-------------+
| key| metric|
+----+-------------+
|123k|[1.3,6.3,7.6]|
|d23d|[1.5,2.0,2.2]|
|as3d|[2.2,4.3,9.0]|
+----+-------------+
但我需要的是一个带有am MapType的metric列,其中键是列名:
+----+-------------------------+
| key| metric|
+----+-------------------------+
|123k|Map(metric1 -> 1.3, me...|
|d23d|Map(metric1 -> 1.5, me...|
|as3d|Map(metric1 -> 2.2, me...|
+----+-------------------------+
有什么我可以转换数据的提示吗?
谢谢!
在Spark 2.0或更高版本中,您可以使用
create_map
。首先是一些进口产品:create_map
需要一个keys
和values
交织序列,可以创建如下示例:与
select
一起使用:对于示例数据,结果是:
如果使用早期版本的Spark,则必须使用UDF:
其用途如下:
相关问题 更多 >
编程相关推荐