Spark:从ColumnA到ColumnB的字符串操作

如何解决Spark:从ColumnA到ColumnB的字符串操作

嗨,我是Spark的新手,我想知道如何进行字符串操作,以便Column1-Column2获得column3。

注意:我的数据在数据框中

所以基本上我有两个不同的列字符串,并且我只想获取存在于column2而不是列1中的字符串,所以我可以将其生成为column3

Column1
SAMPLE_OUT_3_APPLE|BANANA|GUAVA|ORANGE

Column2
SAMPLE_OUT_3_APPLE|BANANA|GUAVA|GRAPES|ORANGE|BERRY

然后Column3应该是...

Column3
GRAPES,BERRY

但对于第1列和第2列,我也想展示

APPLE,BANANA,ORANGE 

只需删除SAMPLE_OUT_3并用逗号定界

解决方法

您可以用“ |”分隔列像下面 导入spark.implicits ._

totalemoji = 0
for i in range(len(data)):
    for i in range(1,3):
        totalemoji += data[1][i] + data[1][i] + data[1][i]
print(totalemoji)
,

您还可以通过regexp_replace和udf实现您的目的。

  1. regexp_replace替换“ |”与“,”和“。* 3_”与“”
  2. udf从column2和column1获取column3的值
val df1 = Seq(("SAMPLE_OUT_3_APPLE|BANANA|GUAVA|ORANGE","SAMPLE_OUT_3_APPLE|BANANA|GUAVA|GRAPES|ORANGE|BERRY")).toDF("column1","column2")           
val df2 =df1.columns.foldLeft(df) { (memoDF,colName) =>
            memoDF.withColumn(
            colName,regexp_replace(regexp_replace(col(colName),"\\|",","),".*3_",""))}

val diff_udf = udf { ( a:  String,b:  String) => (a.split(",") diff b.split(",")).mkString(",") }

df2.withColumn("column3",diff_udf(col("column2"),col("column1"))).show(false)

输出:

+-------------------------+--------------------------------------+------------+
|column1                  |column2                               |column3     |
+-------------------------+--------------------------------------+------------+
|APPLE,BANANA,GUAVA,ORANGE|APPLE,GRAPES,ORANGE,BERRY|GRAPES,BERRY|
+-------------------------+--------------------------------------+------------+
,

对于 Spark> = 2.4

您可以使用array_except

import spark.implicits._

val df = Seq(
  ("SAMPLE_OUT_3_APPLE|BANANA|GUAVA|ORANGE","SAMPLE_OUT_3_APPLE|BANANA|GUAVA|GRAPES|ORANGE|BERRY")
).toDF("column1","column2")

val remove = df.columns.map(column => split(col(column),"3_").getItem(1).as(column))

val resultDF = df.select(remove: _*)
  .withColumn("column1",split($"column1","\\|"))
  .withColumn("column2",split($"column2","\\|"))
  .withColumn("column3",array_except($"column2",$"column1"))
  .withColumn("column1",array_except($"column1",$"column3"))
  .withColumn("column2",$"column3"))

val convertToString = resultDF.columns.map(column => concat_ws("|",col(column)).as(column))
resultDF.select(convertToString: _*).show(false)

输出:

+-------------------------+-------------------------+------------+
|column1                  |column2                  |column3     |
+-------------------------+-------------------------+------------+
|APPLE|BANANA|GUAVA|ORANGE|APPLE|BANANA|GUAVA|ORANGE|GRAPES|BERRY|
+-------------------------+-------------------------+------------+

版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。

相关推荐


依赖报错 idea导入项目后依赖报错,解决方案:https://blog.csdn.net/weixin_42420249/article/details/81191861 依赖版本报错:更换其他版本 无法下载依赖可参考:https://blog.csdn.net/weixin_42628809/a
错误1:代码生成器依赖和mybatis依赖冲突 启动项目时报错如下 2021-12-03 13:33:33.927 ERROR 7228 [ main] o.s.b.d.LoggingFailureAnalysisReporter : *************************** APPL
错误1:gradle项目控制台输出为乱码 # 解决方案:https://blog.csdn.net/weixin_43501566/article/details/112482302 # 在gradle-wrapper.properties 添加以下内容 org.gradle.jvmargs=-Df
错误还原:在查询的过程中,传入的workType为0时,该条件不起作用 <select id="xxx"> SELECT di.id, di.name, di.work_type, di.updated... <where> <if test=&qu
报错如下,gcc版本太低 ^ server.c:5346:31: 错误:‘struct redisServer’没有名为‘server_cpulist’的成员 redisSetCpuAffinity(server.server_cpulist); ^ server.c: 在函数‘hasActiveC
解决方案1 1、改项目中.idea/workspace.xml配置文件,增加dynamic.classpath参数 2、搜索PropertiesComponent,添加如下 <property name="dynamic.classpath" value="tru
删除根组件app.vue中的默认代码后报错:Module Error (from ./node_modules/eslint-loader/index.js): 解决方案:关闭ESlint代码检测,在项目根目录创建vue.config.js,在文件中添加 module.exports = { lin
查看spark默认的python版本 [root@master day27]# pyspark /home/software/spark-2.3.4-bin-hadoop2.7/conf/spark-env.sh: line 2: /usr/local/hadoop/bin/hadoop: No s
使用本地python环境可以成功执行 import pandas as pd import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif'] = ['SimHei'] # 能正确显示负号 p
错误1:Request method ‘DELETE‘ not supported 错误还原:controller层有一个接口,访问该接口时报错:Request method ‘DELETE‘ not supported 错误原因:没有接收到前端传入的参数,修改为如下 参考 错误2:cannot r
错误1:启动docker镜像时报错:Error response from daemon: driver failed programming external connectivity on endpoint quirky_allen 解决方法:重启docker -> systemctl r
错误1:private field ‘xxx‘ is never assigned 按Altʾnter快捷键,选择第2项 参考:https://blog.csdn.net/shi_hong_fei_hei/article/details/88814070 错误2:启动时报错,不能找到主启动类 #
报错如下,通过源不能下载,最后警告pip需升级版本 Requirement already satisfied: pip in c:\users\ychen\appdata\local\programs\python\python310\lib\site-packages (22.0.4) Coll
错误1:maven打包报错 错误还原:使用maven打包项目时报错如下 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0:resources (default-resources)
错误1:服务调用时报错 服务消费者模块assess通过openFeign调用服务提供者模块hires 如下为服务提供者模块hires的控制层接口 @RestController @RequestMapping("/hires") public class FeignControl
错误1:运行项目后报如下错误 解决方案 报错2:Failed to execute goal org.apache.maven.plugins:maven-compiler-plugin:3.8.1:compile (default-compile) on project sb 解决方案:在pom.
参考 错误原因 过滤器或拦截器在生效时,redisTemplate还没有注入 解决方案:在注入容器时就生效 @Component //项目运行时就注入Spring容器 public class RedisBean { @Resource private RedisTemplate<String
使用vite构建项目报错 C:\Users\ychen\work>npm init @vitejs/app @vitejs/create-app is deprecated, use npm init vite instead C:\Users\ychen\AppData\Local\npm-