如何优化Spark函数以将双精度值舍入为2个小数?

时间:2019-05-23 21:52:52

标签: scala apache-spark hadoop apache-spark-sql

下面是我的Spark函数,它很简单

def doubleToRound(df:DataFrame,roundColsList:Array[String]): DataFrame ={
    var y:DataFrame = df
    for(colDF <- y.columns){
      if(roundColsList.contains(colDF)){
        y = y.withColumn(colDF,functions.round(y.col(colDF),2))
      }
    }

通过按给定DF的多列值将十进制值舍入到2位,这可以按预期工作。但是我遍历DataFrame y直到列Array [Sting] .length()。 还有其他更好的方法吗?

谢谢大家

1 个答案:

答案 0 :(得分:3)

您可以简单地将selectmap一起使用,如以下示例所示:

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

val df = Seq(
  ("a", 1.22, 2.333, 3.4444),
  ("b", 4.55, 5.666, 6.7777)
).toDF("id", "v1", "v2", "v3")

val roundCols = df.columns.filter(_.startsWith("v"))  // Or filter with other conditions
val otherCols = df.columns diff roundCols

df.select(otherCols.map(col) ++ roundCols.map(c => round(col(c), 2).as(c)): _*).show
// +---+----+----+----+
// | id|  v1|  v2|  v3|
// +---+----+----+----+
// |  a|1.22|2.33|3.44|
// |  b|4.55|5.67|6.78|
// +---+----+----+----+

为其提供一种方法:

import org.apache.spark.sql.DataFrame

def doubleToRound(df: DataFrame, roundCols: Array[String]): DataFrame = {
  val otherCols = df.columns diff roundCols
  df.select(otherCols.map(col) ++ roundCols.map(c => round(col(c), 2).as(c)): _*)
}

或者,按如下方式使用foldLeftwithColumn

def doubleToRound(df: DataFrame, roundCols: Array[String]): DataFrame =
  roundCols.foldLeft(df)((acc, c) => acc.withColumn(c, round(col(c), 2)))