Question

我有这个输入DataFrame

input_df：

| C1 | C2 | C3 |
| ------------- |
| A | 1 | 12/06/2012 |
| A | 2 | 13/06/2012 |
| B | 3 | 12/06/2012 |
| B | 4 | 17/06/2012 |
| C | 5 | 14/06/2012 |
| ---------- |

并且在转换之后，我希望通过C1获得这种DataFrame分组并创建C4列，其形式是来自C2和C3的一对列表

output_df：

| C1 | C4 |
| --------------------------------------------- |
| A | （1,12 / 06/2012），（2,12 / 06/2012）|
| B | （3,12 / 06/2012），（4,12 / 06/2012）|
| C | （5,12 / 06/2012）|
| --------------------------------------------- |

当我尝试这个时，我会调用结果：

val output_df = input_df.map(x => (x(0), (x(1), x(2))) ).groupByKey()

我获得了这个结果

(A,CompactBuffer((1, 12/06/2012), (2, 13/06/2012)))    
(B,CompactBuffer((3, 12/06/2012), (4, 17/06/2012)))   
(C,CompactBuffer((5, 14/06/2012)))

但我不知道如何将其转换为DataFrame，如果这是做到这一点的好方法即使采用其他方法，任何建议都是受欢迎的

Answer 1

//请试试这个

val conf = new SparkConf().setAppName("groupBy").setMaster("local[*]")
val sc = new SparkContext(conf)
sc.setLogLevel("WARN")
val sqlContext = new org.apache.spark.sql.SQLContext(sc)
import sqlContext.implicits._

val rdd = sc.parallelize(
  Seq(("A",1,"12/06/2012"),("A",2,"13/06/2012"),("B",3,"12/06/2012"),("B",4,"17/06/2012"),("C",5,"14/06/2012")) )

val v1 = rdd.map(x => (x._1, x ))
val v2 = v1.groupByKey()
val v3 = v2.mapValues(v => v.toArray)

val df2 = v3.toDF("aKey","theValues")
df2.printSchema()

val first = df2.first
println (first)

println (first.getString(0))

val values = first.getSeq[Row](1)

val firstArray = values(0)

println (firstArray.getString(0)) //B
println (firstArray.getInt(1)) //3
println (firstArray.getString(2)) //12/06/2012

在groupByKey或groupBy

1 个答案: