Índice
Sintaxe e uso de spark withColumn:
Prepare a demonstração dos dados de origem:
Prefácio:
withColumn(): é uma das funções utilizadas para operações do DataFrame no Apache Spark. Sua função é adicionar ou substituir colunas no DataFrame, ou converter e atualizar colunas existentes, etc.
Sintaxe e uso de spark withColumn:
1. Adicione uma nova coluna (use withColumn para Dataframe)
2. Altere uma coluna existente
3. Derive uma coluna existente em uma nova coluna
4. Altere o tipo de dados (você pode realizar a conversão de tipo enquanto altera a coluna)
5. Renomeie a coluna name (Você precisa usar withColumnRenamed de DataFrame)
6. Exclua uma coluna (use drop)
Prepare os dados de origem para demonstração:
import org.apache.spark.SparkConf import org.apache.spark.sql.{DataFrame, SparkSession} import org.apache.spark.sql.functions.{col, lit, rand, round} object text { def main(args: Array[String]): Unit = { //新建spark val spark = new SparkConf().setMaster("local[*]").setAppName("text") val sc = SparkSession.builder().config(spark).getOrCreate() //准备源数据 val tuples = Seq(("小白", 19, "江西"), ("小红", 20, "安徽"), ("小兰", 21, "河北")) val frame = sc.createDataFrame(tuples).toDF("name","age","address") frame.show()
A saída é:
+------+------+-----+
|nome |idade |endereço|
+------+-------+-- ------+
|Xiaobai | 19 | Jiangxi|
|Xiaohong | 20 | Anhui|
|Xiaolan | 21 | Hebei|
+-------+-------+-- --- --+
1. Adicione novas colunas
//语法 withColumn(colName : String, col : Column) : DataFrame
exemplo:
//1. 用withColumn为dataframe 添加新列 val seq = Seq("小新", 22, "北京") val frame1 : DataFrame= frame.withColumn("new",round(rand()*100,1) ) frame1.show() //打印
A saída é:
+------+-----+-------+---------+
|nome|idade|endereço| novo|
+------+- -----+-------+-------+
|Xiaobai|19|Jiangxi|27,7||
Xiaohong|20|Anhui|98,2||
Xiaolan| 21|Hebei| 51,0 |
+ ------+------+-------+-------+
2. Altere colunas existentes
//2. 改变现有列 val frame2: DataFrame = frame.withColumn("age", col("age") - 5) frame2.show() // 打印
A saída é:
+------+------+-------+
|nome|idade|endereço|
+-------+------+---- --+
|Xiaobai | 14| Jiangxi|
|Xiaohong| 15| Anhui|
|Xiaolan | 16| Hebei|
+------+------+-------+
3. Derive novas colunas de colunas existentes
//3.将现有列派生出新列 val frame3 : DataFrame= frame.withColumn("newCol", col("age")*10) frame3.show()
A saída é:
+------+--------+--------+--------+
|nome|idade|endereço|novaCol|
+----- --+-------+-------+--------+
|Xiaobai | 19 | Jiangxi| 190|
|Xiaohong | 20 | Anhui| 200|
| Xiaolan| 21 | Hebei| 210|
+--------+------+-------+-------+
4. Altere o tipo de dados (você pode realizar a conversão de tipo enquanto altera a coluna)
//4.更改数据类型(可以在改变该列的同时进行类型转换) val frame4 : DataFrame = frame.withColumn("age", col("age").cast("float")) frame4.show
A saída é:
+-------+-------+-------+
|nome | idade | endereço|
+-------+-------+- ------+
|Xiaobai |19,0 | Jiangxi|
|Xiaohong |20,0 | Anhui|
|Xiaolan |21,0 | Hebei|
+-------+-------+-- --- --+
5. Renomeie o nome da coluna (é necessário usar withColumnRenamed do DataFrame)
// 5.重命名列名(需要使用DataFrame的withColumnRenamed) val frame5: DataFrame = frame.withColumnRenamed("address", "省份") frame5.show()
A saída é:
+------+------+------+
|nome|idade|província|
+------+------+----+
| Xiaobai| 19 |Jiangxi|
|Xiaohong| 20 |Anhui|
|Xiaolan| 21 |Hebei|
+------+-----+------+
6. Exclua uma coluna (use drop)
// 6. 删除一个列 (使用drop) val frame6: DataFrame = frame.drop("age") frame6.show
A saída é:
|nome|endereço|
+-------+-------+
|Xiaobai | Jiangxi|
|Xiaohong | Anhui|
|Xiaolan | Hebei|
+-------+- --- ---+
Código de exemplo completo:
import org.apache.spark.SparkConf
import org.apache.spark.sql.{DataFrame, SparkSession}
import org.apache.spark.sql.functions.{col, lit, rand, round}
object text {
def main(args: Array[String]): Unit = {
//新建spark
val spark = new SparkConf().setMaster("local[*]").setAppName("text")
val sc = SparkSession.builder().config(spark).getOrCreate()
//准备源数据
val tuples = Seq(("小白", 19, "江西"),
("小红", 20, "安徽"),
("小兰", 21, "河北"))
val frame = sc.createDataFrame(tuples).toDF("name","age","address")
frame.show()
//1. 用withColumn为dataframe 添加新列
val seq = Seq("小新", 22, "北京")
val frame1 : DataFrame= frame.withColumn("new",round(rand()*100,1) )
frame1.show()
//2. 改变现有列
val frame2: DataFrame = frame.withColumn("age", col("age") - 5)
frame2.show() // 打印
//3.将现有列派生出新列
var a = "省"
val frame3 : DataFrame= frame.withColumn("newCol", col("age")*10)
frame3.show()
//4.更改数据类型(可以在改变该列的同时进行类型转换)
val frame4 : DataFrame = frame.withColumn("age", col("age").cast("float"))
frame4.show
// 5.重命名列名(需要使用DataFrame的withColumnRenamed)
val frame5: DataFrame = frame.withColumnRenamed("address", "省份")
frame5.show()
// 6. 删除一个列 (使用drop)
val frame6: DataFrame = frame.drop("age")
frame6.show()
}
}