使用數據框的架構生成Spark Map數據框

Question

我有一個從JSON對象創建的數據框。 我可以查詢此數據幀並將其寫入鑲木地板。

由於我推斷出架構，因此我不一定知道數據框中的內容。

有沒有辦法將列名列出來或使用其自己的模式映射數據框？

// The results of SQL queries are DataFrames and support all the normal  RDD operations.
// The columns of a row in the result can be accessed by field index:
df.map(t => "Name: " + t(0)).collect().foreach(println)

// or by field name:
df.map(t => "Name: " + t.getAs[String]("name")).collect().foreach(println)

// row.getValuesMap[T] retrieves multiple columns at once into a Map[String, T]
df.map(_.getValuesMap[Any](List("name", "age"))).collect().foreach(println)
// Map("name" -> "Justin", "age" -> 19)

我想做類似的事情

df.map (_.getValuesMap[Any](ListAll())).collect().foreach(println)
// Map ("name" -> "Justin", "age" -> 19, "color" -> "red")

不知道列的實際數量或名稱。

Answer 1

好吧，您可以，但是結果卻毫無用處：

val df = Seq(("Justin", 19, "red")).toDF("name", "age", "color")

def getValues(row: Row, names: Seq[String]) = names.map(
  name => name -> row.getAs[Any](name)
).toMap

val names = df.columns
df.rdd.map(getValues(_, names)).first

// scala.collection.immutable.Map[String,Any] = 
//   Map(name -> Justin, age -> 19, color -> red)

要獲得實際有用的東西，可以在SQL類型和Scala類型之間進行適當的映射。 在簡單的情況下這並不難，但在一般情況下卻很難。 例如，內置類型可用於表示任意struct 。 可以使用一些元編程來做到這一點，但是可以說這並不值得大驚小怪。

Answer 2

您可以使用隱式Encoder並在DataFrame本身上執行映射：

implicit class DataFrameEnhancer(df: DataFrame) extends Serializable {
    implicit val encoder = RowEncoder(df.schema)

    implicit def mapNameAndAge(): DataFrame = {
       df.map(row => (row.getAs[String]("name") -> row.getAs[Int]("age")))
    }
}

然后像這樣在您的數據框上調用它：

val df = Seq(("Justin", 19, "red")).toDF("name", "age", "color")
df.mapNameAndAge().first

這樣，您不必將DataFrame轉換為RDD（在某些情況下，您不想從磁盤上加載整個DF，只需加載某些列，但是無論如何，RDD轉換都會迫使您執行此操作。 ，您使用的是Encoder而不是Kryo（或其他Java SerDes），速度更快。

希望能幫助到你 ：-）