Spark 2.2 Scala DataFrame从字符串数组中选择，捕捉错误

m1m5dgzv 于 2023-01-02 发布在 Scala

关注(0)|答案(2)|浏览(117)

我是SparkSQL/Scala的新手，正在为一些看似简单的任务而苦苦挣扎。
我尝试从Scala字符串数组构建一些动态SQL。我尝试在DataFrame中重新键入一些列，但直到运行时才能看到DataFrame中的列集，我不知道需要重新键入哪些列。因此，我尝试这样做：

val cols = df.columns
val typedCols = cols.map( c => getTypedColumn(c) )
df.select( ...)  or df.selectExpr(...) // how to invoke this with vals from my string array??

typedCols最终将成为一个字符串数组，其值如下所示：

["a", "cast(b as int) b", "c"]

我是否需要首先从该数组创建一个大的逗号分隔字符串？
因此，假设这可以工作，我将调用该select语句，它将把我的DataFrame转换为具有所需类型的新DataFrame，但是DataFrame中的某些记录将有错误，并且尝试重新键入时将失败。
我如何得到一个DataFrame结果，其中包含所有通过类型输入的好记录，然后将所有坏记录丢弃到某种错误桶中？在尝试DataFrame select之前，我是否需要先进行验证？

scala

来源：https://stackoverflow.com/questions/47700885/spark-2-2-scala-dataframe-select-from-string-array-catching-errors

2条答案

按热度按时间

6gpjuf901#

可以只使用可变参数：

val df = Seq(("a", "1", "c"), ("foo", "bar", "baz")).toDF("a", "b", "c")
val typedCols = Array("a", "cast(b as int) b", "c")
df.selectExpr(typedCols: _*).show

+---+----+---+
|  a|   b|  c|
+---+----+---+
|  a|   1|  c|
|foo|null|baz|
+---+----+---+

但我个人更喜欢圆柱体

val typedCols = Array($"a", $"b" cast "int", $"c")
df.select(typedCols: _*).show

我如何获得一个DataFrame结果，其中包含所有通过类型化的好记录，然后将所有坏记录放入某种错误桶中？
未能执行cast的数据为NULL。要查找正确的记录，请使用na.drop：

val result = df.selectExpr(typedCols: _*)
val good = result.na.drop()

查找空头支票（如果有）NULL

import org.apache.spark.sql.functions.col

val bad = result.where(result.columns.map(col(_).isNull).reduce(_ || _))

要获取不匹配的数据：

如果typedCols是Seq[Column]，则可以

df.where(typedCols.map(_.isNull).reduce(_ || _))

如果typedCols为Seq[String]，则可以：

import org.apache.spark.sql.functions.expr

df.where(typedCols.map(expr(_).isNull).reduce(_ || _))

赞(0）回复(0）举报 2023-01-02

c7rzv4ha2#

答案很好，但缺少另一个简单的解决方案：

val columns = Array("name", "age")
val df2 = df.select(columns.map(col): _*)

赞(0）回复(0）举报 2023-01-02

我来回答

Spark 2.2 Scala DataFrame从字符串数组中选择，捕捉错误

2条答案

相关问题

热门标签

最新问答