Apache Spark。 UDF列基于另一列而不将其名称作为参数传递。

Question

有一个列固定的DataSet，我在这个DataSet中添加了另一个列 - firm_id这里的示例：

private val firms: mutable.Map[String, Integer] = ...
private val firmIdFromCode: (String => Integer) = (code: String) => firms(code)
val firm_id_by_code: UserDefinedFunction = udf(firmIdFromCode)
...
val ds = dataset.withColumn("firm_id", firm_id_by_code($"firm"))

有没有办法消除传递$"firm"作为参数（此列始终存在于DS中）。 我正在为此寻找一些东西：

val ds = dataset.withColumn("firm_id", firm_id_by_code)

Answer 1

您可以提供定义udf时将使用的列。

val someUdf = udf{ /*udf code*/}.apply($"colName")

// Usage in dataset
val ds = dataset.withColumn("newColName",someUdf)