sparkR-列表中的子集值

Question

如何为Spark数据框执行以下任务。 在dplyr中，我会这样做：

library(dplyr)
df1 <- data.frame(x = 1:10, y = 101:110)
df2 <- data.frame(r = 5:10, s = 205:210)
df3 <- df1 %>% filter(x %in% df2$r)

如何为sparkR数据帧执行filter（x％in％df2 $ r）命令？

Answer 1

我只是有类似的问题，这似乎可以从列表中进行过滤：

df3 <- filter(df1, ("x in ('string1','string2','string3')"))

在您的情况下，您可能要考虑加入

df3 <- drop(join(df1, SparkR::distinct(SparkR::select(df2,'r')), df1$x==df2$r),'r')

（不过可能有点太贵了）..

干杯，安娜

Answer 2

要么不将查找转换为SparkDataFrame ：

> df1 <- createDataFrame(data.frame(x = 1:10, y = 101:110))
> df2 <- data.frame(r = 5:10, s = 205:210)
> filter(df1, df1$x %in% df2$r)
SparkDataFrame[x:int, y:int]

或同时转换并join ：

> df1 <- createDataFrame(data.frame(x = 1:10, y = 101:110))
> df2 <- createDataFrame(data.frame(r = 5:10, s = 205:210))
> join(df1, df2, df1$x == df2$r, "leftsemi")
SparkDataFrame[x:int, y:int]

并且不要将dplyr与SparkR dplyr使用。 对于dplyr兼容的API，请使用sparklyr 。