时间戳

首页 > 解决方案 > 收集要设置的 Spark 数据框列值

scala - 收集要设置的 Spark 数据框列值

问题描述

在某些情况下，我需要在 spark 数据框中收集列值作为 Set()，以找出与其他集合的差异。我有以下2个数据框

DF1
+----+---------+----------+----+-----------------+
|Lily|Sunflower|Windflower|Rose|Snapdragon Flower|
+----+---------+----------+----+-----------------+
|1   |2        |3         |4   |5                |
+----+---------+----------+----+-----------------+

DF2
+-----------------+
|Flowers          |
+-----------------+
|Rose             |
|Lily             |
|Tulip            |
|Orchid           |
|Snapdragon Flower|
+-----------------+

我想找到 DF1 的列名与 DF2 的 Flower 列的值之间的设置差异。为此，我编写了以下代码，但在它们的设置差异中创建了空值。代码：

import sparkSession.sqlContext.implicits._
val df1 = Seq(("1", "2", "3", "4", "5")).toDF("Lily", "Sunflower", "Windflower", "Rose", "Snapdragon Flower")
val df2 = Seq("Rose", "Lily", "Tulip", "Orchid", "Snapdragon Flower").toDF("Flowers")

val set1 = df1.columns.toSet
println(s"set1 => ${set1}")

val flower_values = df2.select("Flowers").collectAsList()
var set2 = Set("") //introduce empty String Type column
for (i <- 0 until flower_values.size()) {
  var col = flower_values.get(i).toString()
  set2 += col.substring(1, col.size - 1)
}
println(s"set2 => ${set2}")

val dif_btw_set2_and_set1 = set2.diff(set1)
println(s"dif_btw_set2_and_set1 => ${dif_btw_set2_and_set1}")

输出：

set1 => Set(Sunflower, Rose, Windflower, Snapdragon Flower, Lily)
set2 => Set(, Orchid, Rose, Snapdragon Flower, Tulip, Lily)
dif_btw_set2_and_set1 => Set(, Orchid, Tulip)

这可以在 Scala-Spark 中以更优雅的方式完成吗？

标签： scaladataframeapache-sparkapache-spark-sql

解决方案

我希望这会有所帮助，它为您提供了 Set 中的列值

val set2 = df2.select("Flowers").as[String].collect().toSet

推荐阅读