Spark SQL DataFrame新增一列的四种方法

Spark SQL DataFrame新增一列的四种方法

  • 方法一:利用createDataFrame方法,新增列的过程包含在构建rdd和schema中
  • 方法二:利用withColumn方法,新增列的过程包含在udf函数中
  • 方法三:利用SQL代码,新增列的过程直接写入SQL代码中
  • 方法四:以上三种是增加一个有判断的列,如果想要增加一列唯一序号,可以使用monotonically_increasing_id



原文作者:大葱拌豆腐

原文地址:Spark SQL DataFrame新增一列的四种方法



方法一:利用createDataFrame方法,新增列的过程包含在构建rdd和schema中

val trdd = input.select(targetColumns).rdd.map(x=>{
  if (x.get(0).toString().toDouble > critValueR || x.get(0).toString().toDouble < critValueL) 
    Row(x.get(0).toString().toDouble,"F")
  else Row(x.get(0).toString().toDouble,"T")      
  })      
val schema = input.select(targetColumns).schema.add("flag", StringType, true)
val sample3 = ss.createDataFrame(trdd, schema).distinct().withColumnRenamed(targetColumns, "idx")

方法二:利用withColumn方法,新增列的过程包含在udf函数中

val code :(Int => String) = (arg: Int) => {if (arg > critValueR || arg < critValueL) "F" else "T"}
val addCol = udf(code)
val sample3 = input.select(targetColumns).withColumn("flag", addCol(input(targetColumns)))
.withColumnRenamed(targetColumns, "idx")

方法三:利用SQL代码,新增列的过程直接写入SQL代码中

input.select(targetColumns).createOrReplaceTempView("tmp")
val sample3 = ss.sqlContext.sql("select distinct "+targetColname+
    " as idx,case when "+targetColname+">"+critValueR+" then 'F'"+
    " when "+targetColname+"<"+critValueL+" then 'F' else 'T' end as flag from tmp")

方法四:以上三种是增加一个有判断的列,如果想要增加一列唯一序号,可以使用monotonically_increasing_id

//添加序号列新增一列方法4
import org.apache.spark.sql.functions.monotonically_increasing_id
val inputnew = input.withColumn("idx", monotonically_increasing_id)

你可能感兴趣的:(▷大数据,#,➹➹➹⑤Spark)