选择地图键作为火花数据框中的列

Question

我有一个来自 cassandrasql 的数据框，我有一列是数据框中的地图喜欢

scala> df.printSchema
root
 |-- client: map (nullable = true)
 |    |-- key: string
 |    |-- value: string (valueContainsNull = true)

我需要select df 中的某些列以及地图中的特定键作为 df 中的列，而不是完整的地图

假设我有一张地图键 1 -> 值 1 键 2 -> 值 2 ....

我只需要 select 数据框中地图中的 key1 成为我的新数据框中的一列。我该怎么做

我也在使用 cassandrasqlcontext.sql 来获取数据帧。

Answer 1

使用 Spark SQL（假设您将数据框注册为 "df"）

context.registerDataFrameAsTable(df,"df")
val newDf =context.sql("select client.key,client.value from df where client.key='some value'")

Answer 2

假设使用 Spark2 和 pyspark，这对我有用：

SparkSQL:

df.registerTempTable("table_name")
spark.sql("select client.key1 from table_name")
spark.sql("select client.key1, client.key2 from table_name")

使用数据帧 (df):

df.select("client.key1").show()
df.select("client.key1", "client.key2").show()

Answer 3

在 spark 中试试这个 sql:

select map_filter(your_map_name, (k,v) -> k == 'desired_key) from spark_table

这将为您提供整个 key:value 作为输出。如果您只想要值，请尝试以下操作：

select map_values(map_filter(your_map_name, (k,v) -> k == 'desired_key)) from spark_table

Selecting map key as column in dataframe in spark