Question

我正在使用SCALA处理SPARK 1.6.1版本并面临一个不寻常的问题。使用在同一执行期间创建的现有列创建新列时，获取“org.apache.spark.sql.AnalysisException”。
的 WORKING：即可。

 val resultDataFrame = dataFrame.withColumn("FirstColumn",lit(2021)).withColumn("SecondColumn",when($"FirstColumn" - 2021 === 0, 1).otherwise(10))
    resultDataFrame.printSchema().

不工作

val resultDataFrame = dataFrame.withColumn("FirstColumn",lit(2021)).withColumn("SecondColumn",when($"FirstColumn" - **max($"FirstColumn")** === 0, 1).otherwise(10))
resultDataFrame.printSchema().

这里我使用在同一执行期间创建的FirstColumn创建我的SecondColumn。问题是使用avg / max函数时它不起作用的原因。请让我知道如何解决这个问题。

Answer 1

如果要将聚合函数与“普通”列一起使用，则函数应位于groupBy之后或具有Window定义子句。在这些情况下，他们毫无意义。例子：

val result = df.groupBy($"col1").max("col2").as("max") // This works

在上述情况下，生成的DataFrame将“col1”和“max”都作为列。

val max = df.select(min("col2"), max("col2"))

这是有效的，因为查询中只有聚合函数。但是，以下内容不起作用：

val result = df.filter($"col1" === max($"col2"))

因为我试图将非聚合列与聚合列混合。

如果要将列与聚合值进行比较，可以尝试连接：

val maxDf = df.select(max("col2").as("maxValue"))
val joined = df.join(maxDf)
val result = joined.filter($"col1" === $"maxValue").drop("maxValue")

甚至使用简单的值：

val maxValue = df.select(max("col2")).first.get(0)
val result = filter($"col1" === maxValue)

使用Spark访问数据框中的列

1 个答案: