spark DataFrame "as" 方法的使用

Question

有

def as(alias: String): DataFrame
    Returns a new DataFrame with an alias set.
    Since
        1.3.0

这个方法的目的是什么？它是如何使用的？能举个例子吗？

我没能在网上找到关于此方法的任何信息，而且文档几乎不存在。我还没有设法使用这种方法制作任何别名。

Answer 1

火花 <= 1.5

它或多或少等同于SQL table别名：

SELECT *
FROM table AS alias;

改编自 PySpark 的示例用法 alias documentation:

import org.apache.spark.sql.functions.col
case class Person(name: String, age: Int)

val df = sqlContext.createDataFrame(
    Person("Alice", 2) :: Person("Bob", 5) :: Nil)

val df_as1 = df.as("df1")
val df_as2 = df.as("df2")
val joined_df = df_as1.join(
    df_as2, col("df1.name") === col("df2.name"), "inner")
joined_df.select(
    col("df1.name"), col("df2.name"), col("df2.age")).show

输出：

+-----+-----+---+
| name| name|age|
+-----+-----+---+
|Alice|Alice|  2|
|  Bob|  Bob|  5|
+-----+-----+---+

同样的事情使用 SQL 查询：

df.registerTempTable("df")
sqlContext.sql("""SELECT df1.name, df2.name, df2.age
                  FROM df AS df1 JOIN df AS df2
                  ON df1.name == df2.name""")

What is the purpose of this method?

几乎避免了模棱两可的列引用。

Spark 1.6+

还有一个新的as[U](implicit arg0: Encoder[U]): Dataset[U]，用于将DataFrame转换为给定类型的DataSet。例如：

df.as[Person]

spark DataFrame "as" 方法的使用

Usage of spark DataFrame "as" method

scala

dataframe

apache-spark

apache-spark-sql