Question

我有一个日期框架，它基于数字具有唯一和重复记录。现在我想将数据帧拆分为两个数据帧。在第一个数据帧中，我只需要复制唯一的行，而在第二个数据帧中，我想要所有重复的行。例如

     id   name     number
     1    Shan     101
     2    Shan     101
     3    John     102
     4    Michel   103

两个分割的数据框应该像

唯一

      id    name    number
      3     John    102
      4     Michel  103

重复

      id   name     number
      1    Shan     101
      2    Shan     101

Answer 1

你试过的解决办法可能会让你到那儿。

您的数据如下所示

val df = sc.parallelize(Array(
     (1, "Shan",     101),
     (2, "Shan", 101),
     (3, "John", 102),
     (4, "Michel", 103)
     )).toDF("id","name","number")

然后你自己建议分组和计数。如果你这样做

 val repeatedNames = df.groupBy("name").count.where(col("count")>1).withColumnRenamed("name","repeated").drop("count")

然后你可以通过以后做这样的事情来获得所有方式：

 val repeated = df.join(repeatedNames, repeatedNames("repeated")===df("name")).drop("repeated")

 val distinct = df.except(repeated)

 repeated show
+---+----+------+
| id|name|number|
+---+----+------+
|  1|Shan|   101|
|  2|Shan|   101|
+---+----+------+

 distinct show
+---+------+------+
| id|  name|number|
+---+------+------+
|  4|Michel|   103|
|  3|  John|   102|
+---+------+------+

希望它有所帮助。

将Dataframe拆分为两个DataFrame

1 个答案: