如何创建 UDF 以在数组列中查找索引

How to create a UDF to find index in an array column

我有一个 table 如下:

val question = sqlContext.createDataFrame(Seq((1, Seq("d11","d12","d13")), (2, Seq("d21", "d22", "")))).toDF("Id", "Dates")
+---+---------------+
| Id|          Dates|
+---+---------------+
|  1|[d11, d12, d13]|
|  2|   [d21, d22, ]|
+---+---------------+

"Dates" 列包含一个字符串数组。如果数组包含目标字符串,我想创建一个可以 return 索引的 udf。 我试着写一个像这样的 udf:

def indexOf(s: String) = udf((n: Array[String]) => if (n.contains(s)) 
n.indexOf(s) else -1)

question.withColumn("index", indexOf("d11")(question("Dates"))).show()

但是,我收到了这样一条错误消息:

org.apache.spark.SparkException: Failed to execute user defined function($anonfun$indexOf: (array<string>) => int)

这里有什么可怕的错误吗?

更新: 我还发现有这样的错误信息:

Caused by: java.lang.ClassCastException: scala.collection.mutable.WrappedArray$ofRef cannot be cast to [Ljava.lang.String;

所以我将 udf 修改为:

def indexOf(s: String) = udf((n: Seq[String]) => if (n.contains(s)) n.indexOf(s) else -1)

将"Array[String]"改成了"Seq[String]",现在可以用了~ 您好,Nader Hadji Ghanbari,感谢您的建议~

在 Spark 中,Array 表示为 WrappedArray,类似于带有 Wrapper 的数组。要开始工作,您可以将签名更改为 Seq、WrappedArray 或 List。

def indexOf(s: String) = udf((n: Seq[String]) => 
    if (n.contains(s)) n.indexOf(s) else -1)

或者

def indexOf(s: String) = udf((n: WrappedArray[String]) => 
    if (n.contains(s)) n.indexOf(s) else -1)

或者

def indexOf(s: String) = udf((n: List[String]) => 
    if (n.contains(s)) n.indexOf(s) else -1)

希望对您有所帮助!