检查 arraytype 列是否包含 null答案

【问题标题】：Check if arraytype column contains null检查 arraytype 列是否包含 null
【发布时间】：2017-06-01 12:36:35
【问题描述】：

我有一个数据框，其中有一列 arraytype 可以包含整数值。如果没有值，它将只包含一个，它将是空值

重要：注意该列不会为空，而是一个具有单个值的数组；空

> val df: DataFrame  = Seq(("foo", Seq(Some(2), Some(3))), ("bar", Seq(None))).toDF("k", "v")
df: org.apache.spark.sql.DataFrame = [k: string, v: array<int>]
> df.show()
+---+------+
|  k|     v|
+---+------+
|foo|[2, 3]|
|bar|[null]|

问题：我想获取具有空值的行。

到目前为止我已经尝试过什么：

> df.filter(array_contains(df("v"), 2)).show()
+---+------+
|  k|     v|
+---+------+
|foo|[2, 3]|
+---+------+

为null，好像不行

> df.filter(array_contains(df("v"), null)).show()

org.apache.spark.sql.AnalysisException：无法解析 'array_contains(v, NULL)' 由于数据类型不匹配：空类型值不能用作参数；

或

> df.filter(array_contains(df("v"), None)).show()

java.lang.RuntimeException: 不支持的文字类型类 scala.None$ 无

【问题讨论】：

标签： scala apache-spark dataframe null apache-spark-sql

【解决方案1】：

在这种情况下不能使用array_contains，因为无法比较 SQL NULL 是否相等。

你可以像这样使用udf：

val contains_null = udf((xs: Seq[Integer]) => xs.contains(null))

df.where(contains_null($"v")).show

// +---+------+
// |  k|     v|
// +---+------+
// |bar|[null]|

【讨论】：

【解决方案2】：

对于 Spark 2.4+，可以使用高阶函数 exists 代替 UDF：

df.where("exists(v, x -> x is null)").show

//+---+---+
//|  k|  v|
//+---+---+
//|bar| []|
//+---+---+

【讨论】：

【解决方案3】：

PySpark 实现（如果需要）：

contains_null = f.udf(lambda x: None in x, BooleanType())
df.filter(contains_null(f.col("v"))).show()

【讨论】：