web-dev-qa-db-fra.com

Apache Spark, ajoutez une colonne calculée "CASE WHEN ... ELSE ..." à un DataFrame existant

J'essaie d'ajouter une colonne calculée "CASE WHEN ... ELSE ..." à un DataFrame existant, à l'aide des API Scala .

color
Red
Green
Blue

Cadre de données souhaité (syntaxe SQL: CASE WHEN color == Green THEN 1 ELSE 0 END AS bool):

color bool
Red   0
Green 1
Blue  0

Comment dois-je implémenter cette logique?

scalaapache-sparkdataframeapache-spark-sql
20
Leonardo Biagioli

Dans la prochaine version de SPARK 1.4.0 (devrait être publié dans les prochains jours). Vous pouvez utiliser la syntaxe when/else:

// Create the dataframe
val df = Seq("Red", "Green", "Blue").map(Tuple1.apply).toDF("color")

// Use when/otherwise syntax
val df1 = df.withColumn("Green_Ind", when($"color" === "Green", 1).otherwise(0))

Si vous utilisez SPARK 1.3.0, vous pouvez choisir d’utiliser un fichier UDF:

// Define the UDF
val isGreen = udf((color: String) => {
  if (color == "Green") 1
  else 0
})
val df2 = df.withColumn("Green_Ind", isGreen($"color"))
50
Herman

Dans Spark 1.5.0: vous pouvez également utiliser la syntaxe SQL de la fonction expr

val df3 = df.withColumn("Green_Ind", expr("case when color = 'green' then 1 else 0 end"))

ou simple spark-sql

df.registerTempTable("data")
val df4 = sql(""" select *, case when color = 'green' then 1 else 0 end as Green_ind from data """)
9
Robert Chevallier

J'ai trouvé ça:

https://issues.Apache.org/jira/browse/SPARK-3813

Travaillé pour moi sur spark 2.1.0:

import sqlContext._
val rdd = sc.parallelize((1 to 100).map(i => Record(i, s"val_$i")))
rdd.registerTempTable("records")
println("Result of SELECT *:")
sql("SELECT case key when '93' then 'ravi' else key end FROM records").collect()
1
ozma

Je cherchais depuis si longtemps. Voici un exemple de SPARK 2.1 Java avec groupe by- pour d’autres utilisateurs de Java.

import static org.Apache.spark.sql.functions.*;
 //...
    Column uniqTrue = col("uniq").equalTo(true);
    Column uniqFalse = col("uniq").equalTo(false);

    Column testModeFalse = col("testMode").equalTo(false);
    Column testModeTrue = col("testMode").equalTo(true);

    Dataset<Row> x = basicEventDataset
            .groupBy(col(group_field))
            .agg(
                    sum(when((testModeTrue).and(uniqTrue), 1).otherwise(0)).as("tt"),
                    sum(when((testModeFalse).and(uniqTrue), 1).otherwise(0)).as("ft"),
                    sum(when((testModeTrue).and(uniqFalse), 1).otherwise(0)).as("tf"),
                    sum(when((testModeFalse).and(uniqFalse), 1).otherwise(0)).as("ff")
            );
0
Ehud Lev