spark withColumn的使用（笔记）
目录
前言：
spark withColumn的语法及使用：
准备源数据演示：
完整实例代码：
前言：
withColumn()：是Apache Spark中用于DataFrame操作的函数之一。它的作用是在DataFrame中添加或替换列，或者对现有列进行转换操作
spark withColumn的语法及使用：
1. 用withColumn为Dataframe添加新列
2. 改变现有列
3. 将现有列派生出新列
4 .更改数据类型（可以在改变该列的同时进行类型转换）
5 .重命名列名（需要使用DataFrame的withColumnRenamed)
6. 删除一个列 （使用drop）
准备源数据演示：
import org.apache.spark.SparkConf import org.apache.spark.sql.{DataFrame, SparkSession} import org.apache.spark.sql.functions.{col, lit, rand, round} object text { def main(args: Array[String]): Unit = { //新建spark val spark = new SparkConf().setMaster("local[*]").setAppName("text") val sc = SparkSession.builder().config(spark).getOrCreate() //准备源数据 val tuples = Seq(("小白", 19, "江西"), ("小红", 20, "安徽"), ("小兰", 21, "河北")) val frame = sc.createDataFrame(tuples).toDF("name","age","address") frame.show()输出结果为：
+------+------+---------+
|name|age|address|
+------+-------+--------+
|小白 | 19 | 江西|
|小红 | 20 | 安徽|
|小兰 | 21 | 河北|
+-------+---------+-------+
1.withColumn 添加新列
//语法 withColumn(colName : String, col : Column) : DataFrame例子：
//1. 用withColumn为dataframe 添加新列 val seq = Seq("小新", 22, "北京") val frame1 : DataFrame= frame.withColumn("new",round(rand()*100,1) ) frame1.show() //打印输出结果为：
+----+-----+-------+---------+
|name|age|address| new|
+----+------+-------+-------+
|小白| 19 | 江西|27.7 |
|小红| 20 | 安徽|98.2 |
|小兰| 21 | 河北|51.0 |
+----+----+-------+-------+
2. 改变现有列
//2. 改变现有列 val frame2: DataFrame = frame.withColumn("age", col("age") - 5) frame2.show() // 打印输出结果为：
+------+------+-------+
|name|age|address|
+-------+------+------+
|小白 | 14| 江西|
|小红 | 15| 安徽|
|小兰 | 16| 河北|
+------+------+-------+
3.将现有列派生出新列
//3.将现有列派生出新列 val frame3 : DataFrame= frame.withColumn("newCol", col("age")*10) frame3.show()输出结果为：
+------+--------+--------+--------+
|name|age|address|newCol|
+-------+-------+--------+--------+
|小白 | 19 | 江西| 190|
|小红 | 20 | 安徽| 200|
|小兰 | 21 | 河北| 210|
+----+---+-------+------+
4.更改数据类型（可以在改变该列的同时进行类型转换）
//4.更改数据类型（可以在改变该列的同时进行类型转换） val frame4 : DataFrame = frame.withColumn("age", col("age").cast("float")) frame4.show输出结果为：
+-------+-------+-------+
|name| age|address|
+-------+-------+-------+
|小白 |19.0 | 江西|
|小红 |20.0 | 安徽|
|小兰 |21.0 | 河北|
+-------+-------+-------+
5.重命名列名（需要使用DataFrame的withColumnRenamed)
// 5.重命名列名（需要使用DataFrame的withColumnRenamed) val frame5: DataFrame = frame.withColumnRenamed("address", "省份") frame5.show()输出结果为：
+------+------+------+
|name|age|省份|
+------+------+----+
|小白 | 19 |江西|
|小红 | 20 |安徽|
|小兰 | 21 |河北|
+------+-----+------+
6. 删除一个列 （使用drop）
// 6. 删除一个列 （使用drop） val frame6: DataFrame = frame.drop("age") frame6.show输出结果为：
|name|address|
+-------+-------+
|小白 | 江西|
|小红 | 安徽|
|小兰 | 河北|
+-------+-------+
完整实例代码：
import org.apache.spark.SparkConf
import org.apache.spark.sql.{DataFrame, SparkSession}
import org.apache.spark.sql.functions.{col, lit, rand, round}
object text {
def main(args: Array[String]): Unit = {
//新建spark
val spark = new SparkConf().setMaster("local[*]").setAppName("text")
val sc = SparkSession.builder().config(spark).getOrCreate()
//准备源数据
val tuples = Seq(("小白", 19, "江西"),
("小红", 20, "安徽"),
("小兰", 21, "河北"))
val frame = sc.createDataFrame(tuples).toDF("name","age","address")
frame.show()
//1. 用withColumn为dataframe 添加新列
val seq = Seq("小新", 22, "北京")
val frame1 : DataFrame= frame.withColumn("new",round(rand()*100,1) )
frame1.show()
//2. 改变现有列
val frame2: DataFrame = frame.withColumn("age", col("age") - 5)
frame2.show() // 打印
//3.将现有列派生出新列
var a = "省"
val frame3 : DataFrame= frame.withColumn("newCol", col("age")*10)
frame3.show()
//4.更改数据类型（可以在改变该列的同时进行类型转换）
val frame4 : DataFrame = frame.withColumn("age", col("age").cast("float"))
frame4.show
// 5.重命名列名（需要使用DataFrame的withColumnRenamed)
val frame5: DataFrame = frame.withColumnRenamed("address", "省份")
frame5.show()
// 6. 删除一个列 （使用drop）
val frame6: DataFrame = frame.drop("age")
frame6.show()
}
}