La première colonne de dfElements2
est un array
. Je devais sélectionner le premier élément (30002| 30005 | 30158 ...)
au lieu du tableau au lieu du tableau complet en même temps je sélectionne la latitude et la longitude:
La trame de données doit être la suivante:
+-----------------------------------+
| short_name | lat | lng
+-----------------------------------+
| 30002 |37.9796566|-1.1317041|
| 30005 |37.9868856|-1.1371011|
| 30158 | 37.941845|-1.0681918|
| 30006 |37.9971704|-1.0993366|
+-----------------------------------+
Pourriez-vous me dire s'il existe une possibilité de modifier la commande results.address_components.short_name
pour accéder aux éléments du tableau?
var DFResults2=DF_Google1.select(explode(DF_Google1 ("results"))).toDF("results")
var dfElements2=DFResults2.select("results.address_components.short_name","results.geometry.location.lat","results.geometry.location.lng")**
var dfElements3=dfElements2.select(explode(dfElements2("short_name"))).toDF("CP")
dfElements2.show()
dfElements2.printSchema()
+--------------------+----------+----------+
| short_name| lat| lng|
+--------------------+----------+----------+
|[30002, Murcia, M...|37.9796566|-1.1317041|
|[30005, Murcia, M...|37.9868856|-1.1371011|
|[30158, Murcia, M...| 37.941845|-1.0681918|
|[30006, Murcia, M...|37.9971704|-1.0993366|
|[30100, Murcia, M...|38.0256612|-1.1640968|
|[30009, Murcia, M...|37.9887492|-1.1496969|
|[30008, Murcia, M...|37.9928939|-1.1317041|
|[30007, Murcia, M...|38.0077579|-1.0993366|
|[Murcia, MU, Regi...|37.9922399|-1.1306544|
|[30004, Murcia, M...|37.9822582|-1.1365014|
|[30003, Murcia, M...|37.9850434|-1.1221111|
|[Murcia, MU, Regi...|37.9922399|-1.1306544|
|[30152, Murcia, M...|37.9569734|-1.1496969|
|[30012, Murcia, M...|37.9651726|-1.1233101|
|[30011, Murcia, M...|37.9759009|-1.1089244|
|[30001, Murcia, M...|37.9856424|-1.1287061|
|[30010, Murcia, M...| 37.970285|-1.1424989|
+--------------------+----------+----------+
root
|-- short_name: array (nullable = true)
| |-- element: string (containsNull = true)
|-- lat: double (nullable = true)
|-- lng: double (nullable = true)
Essaye ça:
df.selectExpr("short_name[0]", "lat", "lng")
La sélection du nième élément est en fait une expression SQL, pas une colonne. Vous pouvez donc également utiliser expr
si vous souhaitez utiliser .select
:
df.select(expr("short_name[0]"), expr("lat"), expr("lng"))
vous pouvez utiliser la méthode apply
sur la colonne, ou bien getItem
:
df.select(col("results.address_components.short_name")(0))
ou
df.select(col("results.address_components.short_name").getItem(0))
Merci beaucoup pour votre aide. Les deux méthodes ont fonctionné!
A2.select(col("results.address_components.short_name")(0),col("results.geometry.location.lat"),col("results.geometry.location.lng"))
A2.selectExpr("results.address_components.short_name[0]", "results.geometry.location.lat", "results.geometry.location.lng").show()
De plus, j'ai trouvé un moyen de résoudre mon problème en utilisant un UDF:
val headValue = udf((arr: Seq[String]) => arr.head)
var dfElements3 = dfElements2.withColumn("CP",headValue(dfElements2("short_name")))
.select("CP","lat","lng")