如何連接 Apache Spark DataFrame 中的欄位？

在Apache Spark DataFrame中連接列

在Spark應用中，處理結構化資料經常需要將多列組合成一個整體。一個常見的任務是連接兩列或多列以產生新的組合列。 Spark SQL提供了便捷的機制來無縫地實現這一點。

方法一：使用原始SQL中的CONCAT函數

對於使用原始SQL查詢的用戶，CONCAT函數可以派上用場。它允許你將多列的字串組合成單一字串。

Python:

<code class="language-python">df = sqlContext.createDataFrame([("foo", 1), ("bar", 2)], ("k", "v"))
df.registerTempTable("df")
sqlContext.sql("SELECT CONCAT(k, ' ', v) FROM df")</code>

Scala:

<code class="language-scala">import sqlContext.implicits._

val df = sc.parallelize(Seq(("foo", 1), ("bar", 2))).toDF("k", "v")
df.registerTempTable("df")
sqlContext.sql("SELECT CONCAT(k, ' ', v) FROM df")</code>

方法二：利用DataFrame API的concat函數

從Spark 1.5.0開始，DataFrame API引入了concat函數，提供了一種優雅的方式在API中連接列。

Python:

<code class="language-python">from pyspark.sql.functions import concat, col, lit

df.select(concat(col("k"), lit(" "), col("v")))</code>

Scala:

<code class="language-scala">import org.apache.spark.sql.functions.{concat, lit}

df.select(concat($"k", lit(" "), $"v"))</code>

方法三：使用concat_ws函數自訂分隔符號

Spark也提供concat_ws函數，讓你指定連接字串之間的自訂分隔符號。

範例：

<code class="language-python"># 创建一个包含多个列的DataFrame
df = spark.createDataFrame([
    ("John", "Doe", "John Doe"),
    ("Jane", "Smith", "Jane Smith")
], ["first_name", "last_name", "full_name"])

# 使用自定义分隔符连接名字和姓氏
df = df.withColumn("full_name_with_comma", concat_ws(",", df.first_name, df.last_name))</code>

以上是如何連接 Apache Spark DataFrame 中的欄位？的詳細內容。更多資訊請關注PHP中文網其他相關文章！