将行合并到列表中以获得 SPARK 中的相似值

Question

Spark 版本 2.0.2.6 和 Scala 版本 2.11.11

我有以下 csv 文件。

sno name    number
1   hello   1
1   hello   2
2   hai 12
2   hai 22
2   hai 32
3   how 43
3   how 44
3   how 45
3   how 46
4   are 33
4   are 34
4   are 45
4   are 44
4   are 43

我想要输出为：

sno name    number
1   hello   [1,2]
2   hai [12,22,32]
3   how [43,44,45,46]
4   are [33,34,44,45,43]

列表中元素的顺序并不重要。

使用合适的数据帧或 RDD。

谢谢 汤姆

Answer 1

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

scala> df.groupBy("sno", "name").agg(collect_list("number").alias("number")).sort("sno").show()
+---+-----+--------------------+
|sno| name|              number|
+---+-----+--------------------+
|  1|hello|              [1, 2]|
|  2|  hai|        [12, 22, 32]|
|  3|  how|    [43, 44, 45, 46]|
|  4|  are|[33, 34, 45, 44, 43]|
+---+-----+--------------------+