![](/img/trans.png)
[英]I have dataFrame as below and want to add remarks based on the column values using Scala
[英]How to add remarks column using scala
我有如下dataFrame
,并想使用Scala添加备注
id val visits
111 2 1
111 2 1
112 4 2
112 5 4
113 6 1
预期输出应低于
id val visits remarks
111 2 1 Ramdom
111 2 1 Ramdom
112 4 2 Less visit
112 5 4 More visit
113 6 1 One visit
备注应为:
Ramdom for Id拥有两条具有相同价值和访问次数的记录
ID的一次访问只有一个记录,其中包含任何访问次数
Id的减访问有两个记录用更少的访问相比其他
“ Id的更多访问次数 ”具有多个具有不同价值和访问次数的记录。
可能不是最好的解决方案,但这是一个可行的解决方案:
首先将您的dataFrame
按val
和visits
及其计数进行分组
val grouped = df.groupBy("id").agg(max($"val").as("maxVal"), max($"visits").as("maxVisits"), min($"val").as("minVal"), min($"visits").as("minVisits"), count($"id").as("count"))
然后定义一个实现您的逻辑的UDF
:
val remarks = functions.udf ((value: Int, visits: Int, maxValue: Int, maxVisits: Int, minValue: Int, minVisits: Int, count: Int) =>
if (count == 1) {
"One Visit"
}else if (value == maxValue && value == minValue && visits == maxVisits && visits == minVisits) {
"Random"
}else {
if (visits < maxVisits) {
"Less Visits"
}else {
"More Visits"
}
}
)
然后将原始dataFrame
和按id
分组的一组加入,并用UDF
添加所需的列。 最后,从输出中删除不需要的列:
df.join(grouped, Seq("id"))
.withColumn("remarks", remarks($"val", $"visits", $"maxVal", $"maxVisits", $"minVal", $"minVisits", $"count"))
.drop("maxVal","maxVisits", "minVal", "minVisits", "count")
输出:
+---+----+-------+-----------+
| id| val| visits| remarks|
+---+----+-------+-----------+
|112| 4| 2|Less Visits|
|112| 5| 4|More Visits|
|113| 6| 1| One Visit|
|111| 2| 1| Random|
|111| 2| 1| Random|
+---+----+-------+-----------+
PS记得导入功能
import org.apache.spark.sql.functions
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.