如何循环遍历dataFrame的每一行，并根据条件删除该行

Question

我是 Spark 和 scala 的初学者。 我想知道如何循环遍历 dataFrame 的每一行，并根据条件删除该行。

Answer 1

您可以在 dataframe 上使用过滤器操作，您可以在其中指定要过滤记录的条件。 下面是一个例子：

import org.apache.spark.sql.SparkSession
import org.apache.spark.sql.{DataFrame, functions => F}


object Example extends App {

  val spark = SparkSession.builder.appName("Simple Application").master("local")
    .getOrCreate()

  import spark.implicits._

  val df1 = spark.sparkContext.parallelize(
    List(
      ("Cust1", "Prod1", "Promo1", 1),
      ("Cust1", "Prod1", "Promo2", 2),
      ("Cust2", "Prod5", "Promo4", 11),
      ("Cust2", "Prod8", "Promo4", 12),
      ("Cust3", "Prod3", "Promo9", 14),
      ("Cust3", "Prod2", "Promo6", 13)
    )).toDF("customer", "product", "promotion", "cardid")

   .show()

}

上述代码的output为：

+--------+-------+---------+------+
|customer|product|promotion|cardid|
+--------+-------+---------+------+
|   Cust1|  Prod1|   Promo1|     1|
|   Cust1|  Prod1|   Promo2|     2|
+--------+-------+---------+------+

在上面的示例中，我过滤了产品列中值为“Prod1”的记录，如下所示： df1.filter(F.col("product") === "Prod1")

过滤操作对 dataframe 的每一行进行迭代，并检查提供的条件并保留条件为真的所有记录。