将数据框中的结构类型列拆分为多列答案

【问题标题】：Split struct type column in dataframe into multiple columns将数据框中的结构类型列拆分为多列
【发布时间】：2017-08-01 21:52:14
【问题描述】：

我使用 reducebyKey 从 rdd 创建了以下数据框。我想将第一列（最初是键）拆分为 2 个新列，用逗号分隔。

scala> result_winr_table.schema
res10: org.apache.spark.sql.types.StructType = StructType(StructField(_1,StructType(StructField(_1,IntegerType,false), StructField(_2,IntegerType,false)),true), StructField(_2,DoubleType,false))

scala> result_winr_table
    res5: org.apache.spark.sql.DataFrame = [_1: struct<_1:int,_2:int>, _2: double]

    scala> result_winr_table.show
    +--------+-------------------+
    |      _1|                 _2|
    +--------+-------------------+
    | [31,88]|              0.475|
    | [18,91]| 0.5833333333333334|
    | [56,95]|0.37142857142857144|
    | [70,61]| 0.6266666666666667|
    |[104,11]| 0.4527911784975879|
    | [42,58]| 0.6857142857142857|
    | [13,82]| 0.3333333333333333|
    | [30,18]|0.49310344827586206|
    | [99,18]|0.44285714285714284|
    | [53,31]| 0.2981366459627329|
    | [52,84]| 0.4444444444444444|
    | [60,38]|               0.38|
    |  [79,9]|0.36666666666666664|
    | [20,85]| 0.4389312977099237|
    | [61,87]| 0.4807692307692308|
    |  [3,67]| 0.4245810055865922|
    | [62,84]|0.47796610169491527|
    |  [9,32]| 0.4727272727272727|
    | [94,44]| 0.5698324022346368|
    | [50,67]|0.45083487940630795|
    +--------+-------------------+

我尝试直接在列上使用拆分方法，但由于类型不匹配，它不起作用。

实现这一目标的最佳方法是什么？

【问题讨论】：

标签： apache-spark apache-spark-sql

【解决方案1】：

鉴于schema 是

root
 |-- _1: struct (nullable = true)
 |    |-- _1: integer (nullable = false)
 |    |-- _2: integer (nullable = false)
 |-- _2: double (nullable = false)

您可以使用withColumn api如下

result_winr_table.withColumn("first", $"_1._1")
  .withColumn("second", $"_1._2")

如果不想要原始列，可以使用.drop("_1")

【讨论】：

感谢@Adheip 接受 :) 如果答案有帮助，您也可以投票

【解决方案2】：

如果您有一个在编译时不知道属性名称的复杂结构，您可以这样做：

case class Foo(a: Int, b: String, c: Boolean)
val df = Seq( (1, Foo(2, "three", false)), (2, Foo(4, "five", true)) ).toDF("id", "foo")

df.show
+---+-----------------+
| id|              foo|
+---+-----------------+
|  1|[2, three, false]|
|  2|  [4, five, true]|
+---+-----------------+

df.select($"*", $"foo.*").show
+---+-----------------+---+-----+-----+
| id|              foo|  a|    b|    c|
+---+-----------------+---+-----+-----+
|  1|[2, three, false]|  2|three|false|
|  2|  [4, five, true]|  4| five| true|
+---+-----------------+---+-----+-----+

【讨论】：

【解决方案3】：

人们希望使用 Spark sql 解决这个问题，就像我一样，以下 sql 查询将有助于在 spark 1.6+ 中展平您的数据框/表：

sqlContext.sql(s""" select _1["_1"] as col1, _1["_2"] as col2, _2 as col3 from result_winr_table """)

【讨论】：