Scala：可变 UDF

Question

我有一个包含很多列的 DataFrame。我还有一个功能

def getFeatureVector(features:Array[String]) : Vector

这相当复杂，但需要一些字符串和 returns 一个 spark MLlib 向量。

现在，我想查看 DF 中的一些列（我事先不知道是哪一个），将它们传递给 getFeatureVector，并添加一个包含生成的向量的新列。

我可以访问我想要使用的列的数组，我编写了一个将其转换为字符串的函数，并创建了一个数组列：

val colNamesToEncode = Array("col1", "col2", "col3", "col4")
def getColsToEncode:Column = {
    val cols = colNamesToEncode.map(x => col(x).cast("string"))
    array(cols:_*)
}

最后，我尝试制作一个udf并将其应用于DF：

val encoderUDF = udf(getFeatureVector _)
val cols = getColsToEncode()
data.withColumn(featuresColName,encoderUDF(cols))

但是当我运行时，我得到 java.lang.RuntimeException: Unsupported literal type class scala.runtime.BoxedUnit ()

如何向DF申请函数？

PS：我在编写代码时使用这个答案 () 作为指南。

Answer 1

只需从下面的行中删除 ()，即可解决错误。

来自val cols = getColsToEncode()

到

val cols = getColsToEncode

Answer 2

直接将函数传入udf函数即可

val colNamesToEncode = Array("col1", "col2", "col3", "col4")
def getColsToEncode:Column = {
val cols = colNamesToEncode.map(x => col(x).cast("string"))
array(cols:_*)
}

val encoderUDF = udf(getFeatureVector _)
data.withColumn(featuresColName,encoderUDF(getColsToEncode))

Scala：可变 UDF

Scala: variadic UDF

scala

udf