Набор данных Spark SQL: разделение нескольких столбцов массива на отдельные строки - PullRequest
Новая
       27

Набор данных Spark SQL: разделение нескольких столбцов массива на отдельные строки

1 голос
/ 17 марта 2020

Я новичок в Spark SQL и API Dataset / Dataframe.

У меня есть столбцы, в которых 2 столбца имеют несколько значений / массивов в моем наборе данных.

Я хочу позиционировать массивы по каждой строке позиционно и выводить новую строку для каждого набора соответствующих позиционных записей в массивах. Вы можете видеть, как из 2 диаграмм ниже.

Например:

Входной фрейм данных / набор данных 

+---+---------+-----+
| id|       le|leloc|
+---+---------+-----+
|  1|[aaa,bbb]|[1,2]|
|  2|[ccc,ddd]|[3,4]|
+---+---------+-----+

Ожидаемый выходной набор данных

Мне нужен вывод, как показано ниже, данные преобразуются из столбцов в строки: 

+---+---------+-----+
| id|       le|leloc|
+---+---------+-----+
|  1|aaa      |1    |
|  1|bbb      |2    |
|  2|ccc      |3    |
|  2|ddd      |4    |
+---+---------+-----+

1 Ответ

0 голосов
/ 17 марта 2020 
%python
from pyspark.sql.functions import *
from pyspark.sql.types import *

# Gen some data
df1 = spark.createDataFrame([   ( 1, list(['A','B','X']), list(['1', '2', '8'])   ) for x in range(2)], ['value1', 'array1', 'array2'] )    
df2 = spark.createDataFrame([   ( 2, list(['C','D','Y']), list(['3', '4', '9'])   ) for x in range(2)], ['value1', 'array1', 'array2'] )  
df = df1.union(df2).distinct()

# from here specifically for you

col_temp_expr = "transform(array1, (x, i) -> concat(x, ',', array2[i]))"

dfA = df.withColumn("col_temp", expr(col_temp_expr))
dfB = dfA.select("value1", "array2", explode((col("col_temp")))) # Not an array
dfC = dfB.withColumn('tempArray', split(dfB['col'], ',')) # Now an array
dfC.select("value1", dfC.tempArray[0], dfC.tempArray[1]).show()

возвращает: 

+------+------------+------------+
|value1|tempArray[0]|tempArray[1]|
+------+------------+------------+
|     1|           A|           1|
|     1|           B|           2|
|     1|           X|           8|
|     2|           C|           3|
|     2|           D|           4|
|     2|           Y|           9|
+------+------------+------------+

Вы можете переименовать столбцы. Это было больше элементов на массив.

...