Scala：对于数据框上的循环，从现有索引创建新列

Question

我有一个包含两列的数据框：

id (string), date (timestamp)

我想遍历数据框，并添加一个带有 url 的新列，其中包含 ID。该算法应如下所示：

 add one new column with the following value:
 for each id
       "some url" + the value of the dataframe's id column

我试图在 Scala 中完成这项工作，但我在获取 "a"

索引上的特定 ID 时遇到问题

 val k = df2.count().asInstanceOf[Int]
      // for loop execution with a range
      for( a <- 1 to k){
         // println( "Value of a: " + a );
         val dfWithFileURL = dataframe.withColumn("fileUrl", "https://someURL/" + dataframe("id")[a])

      }

但是这个

dataframe("id")[a]

不使用 Scala。目前还没有找到解决方案，欢迎大家多多指教！

Answer 1

不确定这是否是您所需要的，但您可以使用 zipWithIndex 进行索引。

data.show()

+---+---------------+
| Id|            Url|
+---+---------------+
|111|http://abc.go.org/|
|222|http://xyz.go.net/|
+---+---------------+   

import org.apache.spark.sql._
val df = sqlContext.createDataFrame(
data.rdd.zipWithIndex
.map{case (r, i) => Row.fromSeq(r.toSeq:+(s"""${r.getString(1)}${i+1}"""))},
    StructType(data.schema.fields :+ StructField("fileUrl", StringType, false))
)

输出：

df.show(false)

+---+---------------+----------------+
|Id |Url            |fileUrl         |
+---+---------------+----------------+
|111|http://abc.go.org/|http://abc.go.org/1|
|222|http://xyz.go.net/|http://xyz.go.net/2|
+---+---------------+----------------+

Answer 2

您可以简单地使用 Scala 中的 withColumn 函数，如下所示：

val df = Seq(
  ( 1, "1 Jan 2000" ),
  ( 2, "2 Feb 2014" ),
  ( 3, "3 Apr 2017" )
)
  .toDF("id", "date" )


// Add the fileUrl column
val dfNew = df
  .withColumn("fileUrl", concat(lit("https://someURL/"), $"id"))
  .show

我的结果：

Scala：对于数据框上的循环，从现有索引创建新列

Scala: For loop on dataframe, create new column from existing by index

for-loop

scala

calculated-columns

apache-spark

databricks