如何将spark数据帧中的WrappedArray列转换为Strings

Question

我试图将一个包含Array[String]的列转换为String，但我一直收到这个错误

org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 78.0 failed 4 times, most recent failure: Lost task 0.3 in stage 78.0 (TID 1691, ip-******): java.lang.ClassCastException: scala.collection.mutable.WrappedArray$ofRef cannot be cast to [Ljava.lang.String; 

这是的代码

val mkString = udf((arrayCol:Array[String])=>arrayCol.mkString(","))  
val dfWithString=df.select($"arrayCol").withColumn("arrayString",
      mkString($"arrayCol"))  

Answer 1

WrappedArray不是Array（它是普通的旧Java Array，不是一个natve Scala集合）。您可以将签名更改为：

import scala.collection.mutable.WrappedArray
(arrayCol: WrappedArray[String]) => arrayCol.mkString(",")

或者使用像Seq:这样的超类型之一

(arrayCol: Seq[String]) => arrayCol.mkString(",")

在最近的Spark版本中，您可以使用concat_ws：

import org.apache.spark.sql.functions.concat_ws
df.select(concat_ws(",", $"arrayCol"))

Answer 2

代码适用于我：

df.select("wifi_ids").rdd.map(row =>row.get(0).asInstanceOf[WrappedArray[WrappedArray[String]]].toSeq.map(x=>x.toSeq.apply(0)))

在你的情况下，我想是：

val mkString = udf(arrayCol=>arrayCol.asInstanceOf[WrappedArray[String]].toArray.mkString(","))  
val dfWithString=df.select($"arrayCol").withColumn("arrayString",mkString($"arrayCol"))