[英]create array from dataframe contain tow column
我有带架构的数据框
root
|-- _id: long (nullable = true)
|-- data: array (nullable = true)
|-- element: struct (containsNull = true)
| | |-- k: string (nullable = true)
| | |-- v: string (nullable = true)
|-- c : string (nullable = true)
df.show(5)
---------------------------------------
_id | data |c
1 |[[key1,key2,key3,key4,key5],[value1,value2,value3,value4,value5]] |c1
-----------------------------------------------------------------------------
2 |[ [key1,key3,key2,key6],[value11,value31,value2,value61] ] |c2
-----------------------------------------------------------------------------
3 | [[key7,key1,key3,key8,key9],[value7,value1,value3,value8,value91]]|c3
-----------------------------------------------------------------------------
4 |[key3,key2,key4,key5,key10],[value32,value23,value43,value10]] |c4
------------------------------------------------------------------------------
5 |[[key1 ,key2,key4,key10],[value1,value23,value42,value101]] |c1
.
.
.
.
我想知道是否有可能获得此结果以及我该如何进行
_id|key1 |key2 |key3 |key4 |key5 |key6 |key7 |key8 |key9 |key10 ...
1|value1 |value2 |value3 |value4 |value5 | | | | |
----------------------------------------------------------------------------
2|value11|value2 |value31 | | |value6 | | |
---------------------------------------------------------------------
3|value1 | |value3 | | | |value7 |value8 |value91|
----------------------------------------------------------------------------
4| |value23|value32|value43| | | | |value10
---------------------------------------------------------------------------
5|value1 |value23| |value42| | | | | |value101
.
.
我尝试使用explode,但没有得到结果,我也尝试从第一个拖曳列构造一个数组,但这似乎很困难。
您需要将此数据帧映射到每一行包含数据的数据帧,然后可以使用适当的列名创建一个新的数据帧
这应该为您指明正确的方向...
column_names = df.select("data").collect()[0][0]
data_df = map(lambda x: x[1],df.select("data").collect())
data_par = sc.parallelize(data_df)
new_df = spark.createDataFrame(data_par, column_names, 0.1)
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.