SparkSQL DataFrame新增一列的四种方法

SparkSQL中,有时需要根据需求基于原数据新增一些列,下面介绍一下dataframe新增列的四种方法,根据情况可采用不同的方法实现需求。

package com.longi.bigdata.spark.etl

import com.longi.bigdata.spark.udf.DataFrameForCreatingNewColumnUDF
import com.longi.bigdata.spark.utils.SparkSessionCreate
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.expressions.Window
import org.apache.spark.sql.{DataFrame, Row, SparkSession}
import org.apache.spark.sql.types.StringType
import org.apache.spark.sql.functions._


/**
  * Author: whn
  * Date: 2019-12-17 13:39
  * Version: 1.0
  * Function:  dataframe新增一列的四种方法
  */
object DataFrameForCreatingNewColumn {

  case class TestCase(a: String, b: String, c: Int)

  def main(args: Array[String]): Unit = {
    val spark = SparkSessionCreate.getSparkSession("DataFrameForCreatingNewColumn", "local[6]")
    spark.udf.register("add_col", DataFrameForCreatingNewColumnUDF.addCol _)
    import spark.implicits._
    val inputDF = spark.sparkContext.parallelize(Seq(
      ("WYC", "a", 81), ("WYC", "a", 77), ("WYC", "a", 81),
      ("WYC", "a", 66), ("WYC", "a", 99), ("WYC", "a", 22),
      ("WYC", "b", 92), ("WYC", "b", 92), ("WYC", "b", 92),
      ("CJJ", "b", 22), ("CJJ", "b", 33), ("CJJ", "b", 13),
      ("CJJ", "b", 66), ("CJJ", "b", 88), ("CJJ", "b", 11),
      ("CJJ", "b", 99), ("CJJ", "b", 99), ("CJJ", "b", 12),
      ("CJJ", "a", 66), ("CJJ", "a", 66), ("CJJ", "a", 33),
      ("CJJ", "a", 55), ("CJJ", "a", 99), ("CJJ", "a", 64),
      ("CJJ", "a", 66), ("CJJ", "a", 97), ("CJJ", "a", 66),
      ("WHN", "c", 32), ("WHN", "c", 26), ("WHN", "c", 84),
      ("WHN", "c", 88), ("WHN", "c", 88), ("WHN", "c", 34),
      ("WHN", "c", 88), ("WHN", "c", 77), ("WHN", "c", 88)
    )).map(xs => TestCase(xs._1, xs._2, xs._3)).toDF("name", "class", "scores")
    val res1 = createNewColumnByCreateDataFrameMethod(inputDF, spark)
    //    res1.show()
    val res2 = createNewColumnByUDF(inputDF, spark)
    //    res2.show()
    val res3 = createNewColumnBySQL(inputDF, spark)
    //    res3.show()
    val res4 = createNewColumnForIndex(inputDF, spark)
    res4.show()
  }

  // TODO 方法 1.通过createDataFrame方法新增一列
  def createNewColumnByCreateDataFrameMethod(inputDF: DataFrame, spark: SparkSession): DataFrame = {
    val newRdd: RDD[Row] = inputDF.rdd.map((row: Row) => {
      if (row.getInt(2) >= 60) Row(row.getString(0), row.getString(1), row.getInt(2), "及格")
      else Row(row.getString(0), row.getString(1), row.getInt(2), "不及格")
    })
    val schema = inputDF.schema.add("newCol", StringType, nullable = true)
    spark.createDataFrame(newRdd, schema)
  }

  // TODO 方法 2.通过udf新增一列
 //  -》udf通过 spark.udf.register("fun_name", func)方式注册的UDF函数可以用于df.selectExpr("fun_name(colName)")新增列
    -》udf通过  val addColUDF: UserDefinedFunction = udf(addCol _)方式注册的UDF函数可以用于withColumn方法新增列

  def createNewColumnByUDF(inputDF: DataFrame, spark: SparkSession): DataFrame = {
    // 用withColumn的方法,如果想要替换原数据中的某列, 则新名字与该列命名相同
    val newDF = inputDF.withColumn("newCol", DataFrameForCreatingNewColumnUDF.addColUDF(col("scores")))
   // val newDF2 = inputDF.selectExpr("name", "class", "scores", "add_col(scores) AS newCol")
    newDF2
  }

  // TODO 方法 3.通过sql新增一列
  def createNewColumnBySQL(inputDF: DataFrame, spark: SparkSession): DataFrame = {
    inputDF.createOrReplaceTempView("temp")
    val newDF = spark.sql(
      """
        |SELECT name, class, scores,
        | case when scores >= 60 then '及格'
        |      when scores < 60 then '不及格'
        |      else '不可能'
        | end AS newCol
        |FROM temp
        |
      """.stripMargin)
    newDF
  }

  // TODO 方法 4.新增序号列
  def createNewColumnForIndex(inputDF: DataFrame, spark: SparkSession): DataFrame = {
    val wd = Window.partitionBy("name","class").orderBy("scores")
    val newDF = inputDF.withColumn("index", row_number().over(wd))
//    val newDF1 = inputDF.withColumn("index", monotonically_increasing_id) // 单调递增序号
    newDF
  }


}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 219,039评论 6 508
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,426评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 165,417评论 0 356
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,868评论 1 295
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,892评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,692评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,416评论 3 419
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,326评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,782评论 1 316
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,957评论 3 337
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,102评论 1 350
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,790评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,442评论 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,996评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,113评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,332评论 3 373
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,044评论 2 355