什么时候可以使用符号来表示spark sql中的列？

Question

考虑groupBy上的基本DataFrame表达式：

val groupDf  = rsdf.groupBy("league","vendor").agg(mean('league),mean('vendor))

groupBy部分很好：它使用字符串作为列名。但是，agg（/ mean）不是 - 因为这里显然不支持Symbol。

我想知道为什么Symbol在这里不起作用 - 以及它们 在Spark SQL中是否允许。

Answer 1

简短的回答是从不。没有DataFrame方法直接支持Symbols。

很长的答案是无处不在，Spark编译器期望Column ，但你需要在范围内有其他对象。

符号完全起作用的唯一原因是从Symbol隐式转换为Column提供SQLImplicits.implicits。

导入后，只要需要Symbol，编译器就能投出Column，包括agg（并且隐含在范围内）：

import spark.implicits._
import org.apache.spark.sql.functions._

val df = Seq((1, 2)).toDF("league", "vendor")

df.groupBy("league","vendor").agg(mean('league),mean('vendor)).show

+------+------+-----------+-----------+                                         
|league|vendor|avg(league)|avg(vendor)|
+------+------+-----------+-----------+
|     1|     2|        1.0|        2.0|
+------+------+-----------+-----------+