使用 Spark Scala 将数据帧转换为哈希映射

Question

我的数据框看起来像：

+-------------------+-------------+
|        Nationality|    continent|
+-------------------+-------------+
|       Turkmenistan|         Asia|
|         Azerbaijan|         Asia|
|             Canada|North America|
|         Luxembourg|       Europe|
|             Gambia|       Africa|

我的输出应该是这样的：

Map(Gibraltar -> Europe, Haiti -> North America)

所以，我正在尝试将数据框转换为

scala.collection.mutable.Map[String, String]()

我正在尝试使用以下代码：

    var encoder = Encoders.product[(String, String)]
    val countryToContinent = scala.collection.mutable.Map[String, String]()
    var mapped = nationalityDF.mapPartitions((it) => {
        ....
        ....
        countryToContinent.toIterator
    })(encoder).toDF("Nationality", "continent").as[(String, String)](encoder)

    val map = mapped.rdd.groupByKey.collect.toMap

但结果映射有以下输出：

Map(Gibraltar -> CompactBuffer(Europe), Haiti -> CompactBuffer(North America))

如何在没有 CompactBuffer 的情况下获得 hash-map 结果？

Answer 1

让我们创建一些数据：

val df = Seq(
("Turkmenistan", "Asia"), 
("Azerbaijan", "Asia"))
.toDF("Country", "Continent")

尝试先映射成元组，然后收集成映射：

df.map{ r => (r.getString(0), r.getString(1))}.collect.toMap

输出：

scala.collection.immutable.Map[String,String] = Map(Turkmenistan -> Asia, Azerbaijan -> Asia)