我正在尝试从Spark数据框修改部分列。行选择基于向量(在R env中)ID.X
。替换是另一个向量(在R env中)Role
。
我尝试过以下方法:
> sdf.bigset %>% filter(`_id` %in% ID.X) %>%
mutate(data_role= Role )
它崩溃了我的R
以下
> head(DT.XSamples)
_id Role
1: 5996e9e12a2aa6315127ed0e Training
2: 5996e9e12a2aa6315127ed0f Training
3: 5996e9e12a2aa6315127ed10 Training
> setkey(DT.XSamples,`_id`)
> Lookup.XyDaRo <- function(x){
unlist(DT.XSamples[x,Role])
}
> sdf.bigset %>% filter(`_id` %in% ID.X) %>% rowwise()%>%
mutate(data_role= Lookup.XyDaRo(`_id`) )
以及以下
> Fn.lookup.XyDaRo <- function(id,role){
ifelse(is.na(role), unlist(DT.XSamples[id,Role] ), role )
}
> sdf.bigset%>% rowwise() %>%
mutate(data_role= Fn.lookup.XyDaRo(`_id`,data_role))
然后我得到了两个案例
Error: is.data.frame(data) is not TRUE
sdf.bigset
是一个Spark数据框。
DT.XSamples
是一个生活在R的数据表。
知道我做错了什么,或者应该如何做好?
答案 0 :(得分:1)
让我们说sdf.bigset
看起来像这样:
sdf.bigset <- copy_to(sc, data.frame(`id` = 1:10, data_role = "Unknown"))
adn DT.XSamples
定义为:
XSamples <- data.frame(
`id` = c(3, 5, 9), role = c("Training", "Dev", "Secret")
)
将DT.XSamples
转换为Spark:
sdf.XSamples <- copy_to(sc, XSamples)
left_join
和coalesce
:
left_join(sdf.bigset, sdf.XSamples, by="id") %>%
mutate(data_role = coalesce(role, data_role))
# Source: lazy query [?? x 3]
# Database: spark_connection
id data_role role
<int> <chr> <chr>
1 1 Unknown NA
2 2 Unknown NA
3 3 Training Training
4 4 Unknown NA
5 5 Dev Dev
6 6 Unknown NA
7 7 Unknown NA
8 8 Unknown NA
9 9 Secret Secret
10 10 Unknown NA
最后删除负面select
的角色。
关于您的代码:
DataFrame
更多关系(在关系代数意义上)而不是DataFrame
,并且一般顺序没有定义,因此这样的操作没有实现。spark_apply
除外。