数据操作——Column 对象

Column 对象

1. 什么是Column对象

• Column 表示了 Dataset 中的一个列, 并且可以持有一个表达式, 这个表达式作用于每一条数据, 对每条数据都生成一个值

2.Column对象如何创建

• ’

  单引号 ’ 在 Scala 中是一个特殊的符号, 通过 ’ 会生成一个 Symbol 对象, Symbol 对象可以理解为是一个字符串的变种, 但是比字符串的效率高很多, 在 Spark 中, 对 Scala 中的 Symbol 对象做了隐式转换, 转换为一个 ColumnName 对象, ColumnName 是 Column 的子类, 所以在 Spark 中可以如下去选中一个列

  
  val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
  // ' 必须导入spark的隐式转换才能使用 str.intern()
  val c1: Symbol = 'name
  

• $

  同理, $ 符号也是一个隐式转换, 同样通过 spark.implicits 导入, 通过 $ 可以生成一个 Column 对象

  val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
  // $ 必须导入spark的隐式转换才能使用
  val column1: ColumnName = $"name"
  

• col

  SparkSQL 提供了一系列的函数, 可以通过函数实现很多功能, 在后面课程中会进行详细介绍, 这些函数中有两个可以帮助我们创建 Column 对象, 一个是 col, 另外一个是 column

  val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()**
  
  **import org.apache.spark.sql.functions._
  // col 必须导入 functions
  val column2: sql.Column = col("name")
  

• column

  val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
  
  // column 必须导入 functions
  val column3: sql.Column = column("name")
  
  // 上面这四种创建方式，有关联的 Dataset 部分
  ds.select(column).show()
  // Dataset 可以，DataFrame 可以使用 Column 对象选中行吗？
  df.select(column).show()
  // select 方法可以使用 column 对象来选中某个列，那么其他的算子行吗？
  df.where(column === "zhangsan").show()
  
  // coLumn有几个创建方式，四种
  // column对象可以用作于 Dataset 和 DataFrame 中
  // column可以和命令式的弱类型的 API 配合使用 select where
  

  

  

  

• Dataset.col

  前面的 Column 对象创建方式所创建的 Column 对象都是 Free 的, 也就是没有绑定任何 Dataset, 所以可以作用于任何 Dataset, 同时, 也可以通过 Dataset 的 col 方法选择一个列, 但是这个 Column 是绑定了这个 Dataset 的, 所以只能用于创建其的 Dataset 上

  val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
  val ds1: Dataset[Person] = Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
  
  // dataset.col
  //使用 dataset 来获取column 对象，会和某个 Dataset 进行绑定，在逻辑计划中，就会有不同的表现
  val column4 = ds.col("name")
  val column5 = ds1.col("name")
  
  //    ds.select(column5).show() 报错
  // 为什么要和 dataset 来绑定呢
  ds.join(ds1, ds.col("name") === ds1.col("name"))
  .select(column5).show() // 成功
  

  

• Dataset.apply

  可以通过 Dataset 对象的 apply 方法来获取一个关联此 Dataset 的 Column 对象

  ds(“name”)

  ds.apply(“name”) 上下两个是一样的,ds(“name”)其实是ds.apply(“name”)简写版

  val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
  
  val column6 = ds.apply("name")
  
  val column7 = ds(“name”)
  

3.别名和转换

• as[type]

  as 方法有两个用法, 通过 as[Type] 的形式可以将一个列中数据的类型转为 Type 类型

  val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("lisi", 15)).toDS()
  
  ds.select('age.as[Long])
  

• as(name)

  通过 as(name) 的形式使用 as 方法可以为列创建别名

  @Test
  def as(): Unit = {
    val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("lisi", 15)).toDS()
  
    // select name, count(age) as age from table group by name
    ds.select('name as 'new_name).show()
  
  }
  

  

4.添加列

• withColumn

  通过 Column 在添加一个新的列时候修改 Column 所代表的列的数据

  @Test
    def api(): Unit = {
      val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
      // 需求一，ds增加列，双倍年龄
      // 'age*2 其实本质上就是将一个表达式（逻辑计划表达式）附着到column对象上
      // 表达式在执行的时候对应每一条数据进行操作
      ds.withColumn("doubled",'age * 2).show()
    }
  

  

5.操作

• like

  通过 Column 的 API, 可以轻松实现 SQL 语句中 LIKE 的模糊查询功能

  @Test
  def api(): Unit = {
    val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
    
    //需求二，便糊查湖
    ds.where('name like "zhang%").show()
  }
  

• isin

  通过 Column 的 API, 可以轻松实现 SQL 语句中 ISIN 的枚举判断功能

  @Test
  def api(): Unit = {
    val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
    
    // 需求三，枚举判断
    ds.where('name isin ("zhangsan", "wangwu", "zhaoliu")).show( )
  }
  

  

• sort

  在排序的时候, 可以通过 Column 的 API 实现正反序

  @Test
  def api(): Unit = {
    val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
  
    // 需求四，排序正反序
    ds.sort('age asc).show()
    
  }
  

  

• 以上代码的前置条件

  val spark = SparkSession.builder().appName("column").master("local[6]").getOrCreate()
  
  import spark.implicits._
  
  case class Person(name: String, age: Int)