Question

在Apache Spark中的DataFrame对象中（我正在使用Scala接口），如果我正在迭代其Row个对象，有没有办法按名称提取值？我可以看到如何做一些非常尴尬的事情：

def foo(r: Row) = {
  val ix = (0 until r.schema.length).map( i => r.schema(i).name -> i).toMap
  val field1 = r.getString(ix("field1"))
  val field2 = r.getLong(ix("field2"))
  ...
}
dataframe.map(foo)

我认为必须有更好的方法 - 这非常冗长，它需要创建这个额外的结构，并且还需要明确地知道类型，如果不正确，将产生运行时异常而不是编译时错误。

Answer 1

您可以使用getAs

中的“org.apache.spark.sql.Row”

r.getAs("field1")
r.getAs("field2")

了解getAs(java.lang.String fieldName)

的更多信息

Answer 2

目前Scala API不支持此功能。您最近的是this JIRA titled "Support converting DataFrames to typed RDDs"

Apache Spark：按名称获取Row的元素

2 个答案: