sparkR - 列表中的子集值

Question

如何为火花数据框执行以下任务。 在dplyr中，我会这样做：

library(dplyr)
df1 <- data.frame(x = 1:10, y = 101:110)
df2 <- data.frame(r = 5:10, s = 205:210)
df3 <- df1 %>% filter(x %in% df2$r)

如何为sparkR数据帧执行过滤器（％df2 $ r中的x％）命令？

Answer 1

我刚才有类似的问题，这似乎适用于从列表中过滤：

df3 <- filter(df1, ("x in ('string1','string2','string3')"))

在您的情况下，您可能需要考虑加入

df3 <- drop(join(df1, SparkR::distinct(SparkR::select(df2,'r')), df1$x==df2$r),'r')

（虽然可能有点贵）..

欢呼声， 安娜

Answer 2

要么不将查找转换为SparkDataFrame：

> df1 <- createDataFrame(data.frame(x = 1:10, y = 101:110))
> df2 <- data.frame(r = 5:10, s = 205:210)
> filter(df1, df1$x %in% df2$r)
SparkDataFrame[x:int, y:int]

或转换两者和join：

> df1 <- createDataFrame(data.frame(x = 1:10, y = 101:110))
> df2 <- createDataFrame(data.frame(r = 5:10, s = 205:210))
> join(df1, df2, df1$x == df2$r, "leftsemi")
SparkDataFrame[x:int, y:int]

不要将dplyr与SparkR一起使用。对于dplyr兼容API，请使用sparklyr。