正如标题所描述的那样,我说有两个RDD
rdd1 = sc.parallelize([1,2,3])
rdd2 = sc.parallelize([1,0,0])
或
rdd3 = sc.parallelize([("Id", 1),("Id", 2),("Id",3)])
rdd4 = sc.parallelize([("Result", 1),("Result", 0),("Result", 0)])
如何创建以下DataFrame?
Id Result
1 1
2 0
3 0
如果我可以创建配对的RDD [(1,1),(2,0),(3,0)],那么sqlCtx.createDataFrame
会给我我想要的东西,但我不知道如何?
我感谢任何评论或帮助!
答案 0 :(得分:2)
首先,有一个名为RDD.zipWithIndex
的RDD操作。如果你打电话给rdd2.zipWithIndex
,你会得到:
scala> rdd2.zipWithIndex collect() foreach println
(1,0)
(0,1)
(0,2)
如果你想让它看起来像你的,那就这样做:
scala> rdd2.zipWithIndex map(t => (t._2 + 1,t._1)) collect() foreach println
(1,1)
(2,0)
(3,0)
如果您确实需要压缩两个RDD,请使用RDD.zip
scala> rdd1.zip(rdd2) collect() foreach println
(1,1)
(2,0)
(3,0)
答案 1 :(得分:1)
如果每个分区具有相同的分区和相同数量的元素,则可以使用zip
函数,例如
case class Elem(id: Int, result: Int)
val df = sqlCtx.createDataFrame(rdd1.zip(rdd2).map(x => Elem(x._1, x._2)))