scala - 如何从火花数据框中的多列中找到最大值
问题描述
我输入火花数据框为
sample A B C D
1 1 3 5 7
2 6 8 10 9
3 6 7 8 1
我需要在作为主题标记的 A、B、C、D 列中找到最大值。我需要创建一个以 max_marks 作为新列的新数据框。
sample A B C D max_marks
1 1 3 5 7 7
2 6 8 10 9 10
3 6 7 8 1 8
我已经使用 scala 作为
val df = df.columns.toSeq
val df1=df.foldLeft(df){(df,colName)=> df.withColumn("max_sub",max((colName)))
df.show()
我收到一条错误消息
“main” org.apache.spark.sql.AnalysisException:分组表达式序列为空此数据框有大约 100 列,因此如何迭代此数据框发现大约有 100 个列数据框中有 10 个包含大约 10000 条记录我希望动态传递列而不手动提供列名,这意味着循环我选择的列并执行任何数学运算
解决方案
有很多方法可以实现这一点,其中一种方法是使用 map。
简单的伪代码来做你想做的事(无论如何它都不会工作,但我认为这个想法很清楚)
df = df.withColumn("max_sub", "A")
df.map({x=> {
max = "A"
maxVal = 0
for col in x{
if(col != "max_sub" && x.col > maxVal){
max = col
maxVal = x.col
}
}
x.max_sub = max
x
})