Spark Java - 將多個列收集到數組列中

Question

我有一個包含多列的數據框：

| a | b | c | d |
-----------------
| 0 | 4 | 3 | 6 |
| 1 | 7 | 0 | 4 |
| 2 | 4 | 3 | 6 |
| 3 | 9 | 5 | 9 |

我現在想將[b,c,d]成一個列。 但是， 我不知道，列的列表有多大 ，否則我可以使用UDF3來組合這三個。

所以期望的結果是：

| a | combined  |
-----------------
| 0 | [4, 3, 6] |
| 1 | [7, 0, 4] |
| 2 | [4, 3, 6] |
| 3 | [9, 5, 9] |

我怎樣才能做到這一點？

非工作偽代碼：

public static Dataset<Row> mergeColumns(Dataset<Row> ds, List<String> columns) {
   return ds.withColumn("combined", collectAsList(columns))
}

最壞情況的解決方法是關於輸入列數的switch語句，然后為每個輸入一個UDF，即2-20個輸入列，如果提供了更多輸入列，則拋出錯誤。

Answer 1

正如Ramesh在評論中提到的，你可以使用array函數。 您只需要將列列表轉換為Column數組。

public static Dataset<Row> mergeColumns(Dataset<Row> ds, List<String> columns) {
    return ds.withColumn("combined", functions.array(columns.stream().map(functions::col).toArray(Column[]::new)))
}

Answer 2

val newDF = df.drop("a")

//create a new dataframe to get the combination of columns except the first column
val df2 = df.withColumn("combined", concat_ws(",",newDF.columns.map(collist => 
col(collist)): _*))

//new dataframe to select only the first and combined columns
val columnNames = Seq("a", "combined")
df2.select(columnNames.head, columnNames.tail:_*).show()