在 Scala 中将数组转换为 Spark 数据集

Question

我正在尝试从 4 个数组创建一个 DataSet。我有这样的数组：

// Array 1
val rawValues = rawData.select(collect_list("rawValue")).first().getList[Double](0).asScala.toArray

// Array 2 
var trendValues = Array[Double]()

// Array 3 
var seasonalValues = Array[Double]()

// Array 4     
var remainder = Array[Double]()

我根据第一个数组上的一些计算（此处未包括）填充了最后 3 个数组。所有 4 个数组的大小都相同，为了填充第一个数组，另一个数据集的 column-rawValue 被转换为一个数组，如上所示。

完成所有计算后，我想创建一个 DataSet，它有 4 个独立的列，每列代表 4 个独立的数组。

那么，基本上如何从数组创建数据集？我也在努力做同样的事情。

请帮忙。

Answer 1

您只需将它们组合成一个序列即可：

case class ArrayMap(rawValues: Double, trendValues: Double, seasonalValues: Double, remainder: Double)

import spark.implicits._
val data = for(i <- arr1.indices) yield ArrayMap(arr1(i), arr2(i) ,arr3(i) ,arr4(i))
data.toDF()

//or else, but takes more steps
arr1.zip(arr2).zip(arr3).zip(arr4)
  .map(a => ArrayMap(a._1._1._1, a._1._1._2, a._1._2, a._2))
  .toSeq.toDF()

如果数组大小不同，请使用zipAll。

编辑：

我不确定数据如何向下流动的用例，但如果您尝试从 DataFrame 创建所有 4 个数组，我建议您在 DataFrame 中对其进行转换，而不是采用这种方法（特别是如果数据大小很大）。