![](/img/trans.png)
[英]Find column index by searching column header of a Dataset in Apache Spark Java
[英]Searching and updating a Spark Dataset column with values from another Dataset
此處為 Java 8 和 Spark 2.11:2.3.2。 雖然我非常喜歡 Java API 答案,但我確實會說一點 Scala,所以我能夠理解其中提供的任何答案! 但是 Java 如果可能的話(請)!
我有兩個具有不同架構的數據集,除了一個常見的“ model_number
”(字符串)列:兩者都存在。
對於我的第一個數據集中的每一行(我們稱之為d1
),我需要掃描/搜索第二個數據集(“ d2
”)以查看是否有一行具有相同的model_number
,如果是,則更新另一個d2
列.
這是我的數據集模式:
d1
===========
model_number : string
desc : string
fizz : string
buzz : date
d2
===========
model_number : string
price : double
source : string
因此,如果d1
行的model_number
為 12345,而d2
行也具有相同的model_number
,我想通過將它乘以10.0
來更新d2.price
。
迄今為止我最好的嘗試:
// I *think* this would give me a 3rd dataset with all d1 and d2 columns, but only
// containing rows from d1 and d2 that have matching 'model_number' values
Dataset<Row> d3 = d1.join(d2, d1.col("model_number") == d2.col("model_number"));
// now I just need to update d2.price based on matching
Dataset<Row> d4 = d3.withColumn("adjusted_price", d3.col("price") * 10.0);
誰能幫我在這里越過終點線? 提前致謝!
這里有幾點,正如@VamsiPrabhala 在評論中提到的,您需要使用的功能是join
您的特定字段。 關於“ update
”,你需要記住spark
中的df
、 ds
和rdd
是不可變的,所以你不能update
它們。 所以,這里的解決方案是,在join
你的df
之后,你需要執行你的計算,在這種情況下是乘法,在select
或使用withColumn
然后select
。 換句話說,您不能更新列,但可以使用“ new
”列創建新的df
。
例子:
Input data:
+------------+------+------+----+
|model_number| desc| fizz|buzz|
+------------+------+------+----+
| model_a|desc_a|fizz_a|null|
| model_b|desc_b|fizz_b|null|
+------------+------+------+----+
+------------+-----+--------+
|model_number|price| source|
+------------+-----+--------+
| model_a| 10.0|source_a|
| model_b| 20.0|source_b|
+------------+-----+--------+
使用join
將輸出:
val joinedDF = d1.join(d2, "model_number")
joinedDF.show()
+------------+------+------+----+-----+--------+
|model_number| desc| fizz|buzz|price| source|
+------------+------+------+----+-----+--------+
| model_a|desc_a|fizz_a|null| 10.0|source_a|
| model_b|desc_b|fizz_b|null| 20.0|source_b|
+------------+------+------+----+-----+--------+
應用你的計算:
joinedDF.withColumn("price", col("price") * 10).show()
output:
+------------+------+------+----+-----+--------+
|model_number| desc| fizz|buzz|price| source|
+------------+------+------+----+-----+--------+
| model_a|desc_a|fizz_a|null| 100.0|source_a|
| model_b|desc_b|fizz_b|null| 200.0|source_b|
+------------+------+------+----+-----+--------+
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.