从databricks中的数组列获取数据，而不交叉连接

xyhw6mcr 于 2021-07-13 发布在 Spark

关注(0)|答案(1)|浏览(278)

假设我有一张table：
idarray\u col101[{“system”：“x”，“value”：“1”}，{“system”：“y”，“value”：“2”}，{“system”：“z”，“value”：“3”}]
其中array\u col基本上包含一个结构数组
0:{“system”：“x”，“value”：“1”}
1:{“system”：“y”，“value”：“2”}
2:{“system”：“z”，“value”：“3”}
我需要如下表所示的输出：
IDS系统值101x1101y2101z3
现在我正在尝试在子查询中使用explode（因为不能在一个select语句中使用多个explode，然后根据id连接它们。但是这给了我一个输出，每个系统显示每个值，所以我得到的结果不是3个，而是9个。
IDS系统值101X1101X2101X3101Y1101Y210Y3101Z101Z2101Z3
帮助我获得3行而不是9行的输出。

JSON apache-spark pyspark apache-spark-sql

来源：https://stackoverflow.com/questions/66368219/get-data-from-array-columns-in-databricks-without-cross-joining

1条答案

按热度按时间

zpjtge221#

尝试 inline :

df.selectExpr('id', 'inline(array_col)').show()
+---+------+-----+
| id|system|value|
+---+------+-----+
|101|     x|    1|
|101|     y|    2|
|101|     z|    3|
+---+------+-----+

上面假设数组包含结构，而不是作为字符串的结构。如果你的结构是字符串，你需要用 from_json 第一：

df2 = df.selectExpr(
    'id', 'explode(array_col) array_col'
).selectExpr(
    'id', "inline(array(from_json(array_col, 'struct<system:string, value:string>')))"
)

df2.show()
+---+------+-----+
| id|system|value|
+---+------+-----+
|101|     x|    1|
|101|     y|    2|
|101|     z|    3|
+---+------+-----+

赞(0）回复(0）举报 2021-07-13

我来回答

从databricks中的数组列获取数据，而不交叉连接

1条答案

相关问题

热门标签

最新问答