将火花数据帧保存到具有映射<字符串，字符串>列类型的csv文件

Question

我已经编写了UDF函数，该函数将映射[字符串，字符串]值转换为字符串：

 udf("mapToString", (input: Map[String,String]) => input.mkString(","))

spark-shell给我错误：

    <console>:24: error: overloaded method value udf with alternatives:
  (f: AnyRef,dataType: org.apache.spark.sql.types.DataType)org.apache.spark.sql.expressions.UserDefinedFunction <and> 
...
cannot be applied to (String, Map[String,String] => String)
       udf("mapToString", (input: Map[String,String]) => input.mkString(","))

是否有任何方法将映射列[字符串，字符串]值转换为字符串值？我需要此转换，因为我需要将数据框架保存为CSV文件

Answer 1

假设您的DataFrame为

+---+--------------+
|id |map           |
+---+--------------+
|1  |Map(200 -> DS)|
|2  |Map(300 -> CP)|
+---+--------------+

使用以下模式

root
 |-- id: integer (nullable = false)
 |-- map: map (nullable = true)
 |    |-- key: string
 |    |-- value: string (valueContainsNull = true)

您可以编写一个看起来像：

的udf

def mapToString = udf((map: collection.immutable.Map[String, String]) => 
                       map.mkString.replace(" -> ", ","))

并将udf函数与withColumn API一起使用为

df.withColumn("map", mapToString($"map"))

您应该有最终的DataFrame，其中Map更改为String

+---+------+
|id |map   |
+---+------+
|1  |200,DS|
|2  |300,CP|
+---+------+
root
 |-- id: integer (nullable = false)
 |-- map: string (nullable = true)