spark - scala：不是org.apache.spark.sql.Row的成员

Question

我试图将数据帧转换为RDD，然后执行下面的一些操作以返回元组：

df.rdd.map { t=>
 (t._2 + "_" + t._3 , t)
}.take(5)

然后我得到了下面的错误。 有人有想法么？ 谢谢！

<console>:37: error: value _2 is not a member of org.apache.spark.sql.Row
               (t._2 + "_" + t._3 , t)
                  ^

Answer 1

当您将DataFrame转换为RDD时，您将获得RDD[Row] ，因此当您使用map ，您的函数会收到Row作为参数。 因此，您必须使用Row方法来访问其成员（请注意，索引从0开始）：

df.rdd.map { 
  row: Row => (row.getString(1) + "_" + row.getString(2), row)
}.take(5)

您可以查看更多示例并检查Spark scaladoc中 Row对象可用的所有方法。

编辑：我不知道您执行此操作的原因，但是为了连接DataFrame的String列，您可以考虑以下选项：

import org.apache.spark.sql.functions._
val newDF = df.withColumn("concat", concat(df("col2"), lit("_"), df("col3")))

Answer 2

您可以访问Row的每个元素，如果它是List或Array ，它意味着使用(index) ，但是您也可以使用方法get 。

例如：

df.rdd.map {t =>
  (t(2).toString + "_" + t(3).toString, t)
}.take(5)