如何将 spark 数据框中的 WrappedArray 列转换为字符串？

Question

我正在尝试将包含 Array[String] 的列转换为 String，但我一直收到此错误

org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 78.0 failed 4 times, most recent failure: Lost task 0.3 in stage 78.0 (TID 1691, ip-******): java.lang.ClassCastException: scala.collection.mutable.WrappedArray$ofRef cannot be cast to [Ljava.lang.String; 

这是一段代码

val mkString = udf((arrayCol:Array[String])=>arrayCol.mkString(","))  
val dfWithString=df.select($"arrayCol").withColumn("arrayString",
      mkString($"arrayCol"))  

Answer 1

WrappedArray 不是 Array（这是普通的旧 Java Array 不是原生 Scala 集合）。您可以将签名更改为：

import scala.collection.mutable.WrappedArray

(arrayCol: WrappedArray[String]) => arrayCol.mkString(",")

或使用超类型之一，例如 Seq:

(arrayCol: Seq[String]) => arrayCol.mkString(",")

在最新的 Spark 版本中，您可以使用 concat_ws 代替：

import org.apache.spark.sql.functions.concat_ws

df.select(concat_ws(",", $"arrayCol"))

Answer 2

代码对我有用：

df.select("wifi_ids").rdd.map(row =>row.get(0).asInstanceOf[WrappedArray[WrappedArray[String]]].toSeq.map(x=>x.toSeq.apply(0)))

你的情况，我猜是：

val mkString = udf(arrayCol=>arrayCol.asInstanceOf[WrappedArray[String]].toArray.mkString(","))  
val dfWithString=df.select($"arrayCol").withColumn("arrayString",mkString($"arrayCol"))