我有一个具有以下架构的数据框:
root
|-- e: array (nullable = true)
| |-- element: string (containsNull = true)
例如,启动一个数据框:
val df = Seq(Seq("73","73"), null, null, null, Seq("51"), null, null, null, Seq("52", "53", "53", "73", "84"), Seq("73", "72", "51", "73")).toDF("e")
df.show()
+--------------------+
| e|
+--------------------+
| [73, 73]|
| null|
| null|
| null|
| [51]|
| null|
| null|
| null|
|[52, 53, 53, 73, 84]|
| [73, 72, 51, 73]|
+--------------------+
我希望输出为:
+--------------------+
| e|
+--------------------+
| [73]|
| null|
| null|
| null|
| [51]|
| null|
| null|
| null|
| [52, 53, 73, 84]|
| [73, 72, 51]|
+--------------------+
我正在尝试以下udf:
def distinct(arr: TraversableOnce[String])=arr.toList.distinct
val distinctUDF=udf(distinct(_:Traversable[String]))
但是它仅在行不为空时有效。
df.filter($"e".isNotNull).select(distinctUDF($"e"))
给我
+----------------+
| UDF(e)|
+----------------+
| [73]|
| [51]|
|[52, 53, 73, 84]|
| [73, 72, 51]|
+----------------+
但是
df.select(distinctUDF($"e"))
失败。在这种情况下,如何使udf句柄为null?或者,如果有一种更简单的方法来获取唯一值,我想尝试一下。
答案 0 :(得分:1)
仅当列值不是when().otherwise()
时,才可以使用null
来应用UDF。在这种情况下,.otherwise(null)
也可以跳过,因为当未指定null
子句时默认为otherwise
。
val distinctUDF = udf( (s: Seq[String]) => s.distinct )
df.select(when($"e".isNotNull, distinctUDF($"e")).as("e"))