[英]spark: split only one column in dataframe and keep remaining columns as it is
我正在Spark Dataframe中读取文件。 在第一列中,我将获得两个与“ _”串联的值。 我需要将第一列分为两列,并保持其余列不变。 我正在使用Scala和Spark
例如:
col1 col2 col3
a_1 xyz abc
b_1 lmn opq
我需要新的DF为:
col1_1 col1_2 col2 col3
a 1 xyz abc
b 1 lmn opq
仅一列需要分成两列。
我尝试使用df.select的split函数,但是我需要为剩余的列编写select并考虑具有100列的不同文件,并且我想对所有文件使用可重用的代码。
您可以执行以下操作:
import spark.implicits._
df.withColumn("_tmp", split($"col1", "_"))
.withColumn("col1_1", $"_tmp".getItem(0))
.withColumn("col1_2", $"_tmp".getItem(1))
.drop("_tmp")
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.