我有" doorsDF" var DataFrame,如下(简化):
+-----+-----+-----+------+
| door| x| y| usage|
+-----+-----+-----+------+
| a| 32| 14| 5|
| b| 28| 53| 1|
| c| 65| 94| 23|
| d| 68| 53| 1|
| e| 51| 94| 12|
+-----+-----+-----+------+
我有" peopleDF" var DataFrame如下(简化):
+-------+-----+
| person| x|
+-------+-----+
| foo| 30|
| bar| 66|
| Morty| 52|
+-------+-----+
仅显示前三行
我想做一个基线'预测'一个人用来进入建筑物的门。重要的是,如果一个人在5&x; x'单位。
例如,foo会穿过门,然后走进大门。和' b'。莫蒂会穿过门,然后走进门口。并且' d'。和酒吧只会穿过门#。
到目前为止的进展:尝试添加一个"潜在退出"使用以下列的第二个DataFrame列:
val sequence = doorsDF.select("door").rdd.map(r => r(0)).collect().mkString(",")
val doorColumn = lit(sequence)
peopleDF = peopleDF.withColumn("potentialDoors", doorColumn)
结果(new peopleDF):
+-------+-----+---------------+
| person| x| potentialDoors|
+-------+-----+---------------+
| foo| 30| a,b,c,d,e|
| bar| 66| a,b,c,d,e|
| Morty| 52| a,b,c,d,e|
+-------+-----+---------------+
但是现在当我尝试使用udf来遍历潜在的门时,使用它们的名称来过滤doorsDF并将其x值与peopleDF中的x值进行比较,我得到一个nullpointer异常。我已经读过这是因为我试图在嵌套情况下使用过滤器。
必须有一个更好的方法来使用可用的功能,甚至可能不使用udf或rdd,但它逃避了我。我已经待了很长时间了。
另外,我最初选择拥有一系列潜在门(而不是阵列)的原因是因为我发现为了我的目的更容易处理,但我愿意接受建议。
感谢任何帮助!
答案 0 :(得分:0)
我通过以下方式临时解决了这个问题:
现在我能够成功减少“潜在”池。
我不禁觉得这仍然是低效的,需要一些硬编码。所以我仍然愿意接受更清洁的建议!我想要更好地使用提供的功能。感谢您花时间阅读。