从其他列在 Apache Spark 中创建映射列

Question

我搜索了很多，但找不到任何可以适应我的情况的东西。我有一个这样的数据帧：

+-----------------+---------------+
|             keys|         values|
+-----------------+---------------+
|[one, two, three]|[101, 202, 303]|
+-----------------+---------------+

键有一个字符串数组，值有一个整数数组。

我想创建一个新列，其中包含键到值的映射，如下所示：

+-----------------+---------------+---------------------------+
|             keys|         values|                        map|
+-----------------+---------------+---------------------------+
|[one, two, three]|[101, 202, 303]|Map(one->101, two->202, etc|
+-----------------+---------------+---------------------------+

我一直在研究这个问题，但不确定它是否可以用作我的情况的起点：Spark 数据帧列转换为映射类型和映射类型列表

请在斯卡拉需要这个。

谢谢！

Answer 1

从Spark 2.4开始，有一个内置版本 def map_from_arrays(keys: Column, values: Column): Column在org.apache.spark.sql.functions

Answer 2

您可以创建与链接问题中类似的 UDF：

 val toMap = udf((keys: Seq[String], values: Seq[Int]) => {
    keys.zip(values).toMap
  })

并将其用作：

df.withColumn("map", toMap($"keys", $"values"))