经过一些数据处理后,我最终得到了此数据集:
Dataset<Row> counts //ID,COUNT,DAY_OF_WEEK
现在我想将其转换为这种格式,并保存为CSV:
ID,COUNT_DoW1, ID,COUNT_DoW2, ID,COUNT_DoW3,..ID,COUNT_DoW7
我可以想到一种方法:
JavaPairRDD<Long, Map<Integer, Integer>> r = counts.toJavaRDD().mapToPair(...)
JavaPairRDD<Long, Map<Integer, Integer>> merged = r.reduceByKey(...);
其中一对" ID"和尺寸7的列表。获得Javapairrdd后,我可以将其存储在CSV中。对于此转换而没有将其转换为RDD?
您可以使用struct函数从CNT和DAY构造一对,然后与collect_list进行组。这样的东西(Scala,但您可以轻松转换为Java):
df.groupBy("ID").agg(collect_list(struct("COUNT","DAY")))
现在您可以编写一个提取相关列的UDF。因此,您只需在循环中使用column做一个即可复制ID(df.withcolumn(" id2",col(" id")))
)然后创建一个UDF,该UDF从位置i提取计数元素并在所有列上运行,最后是相同的。
如果您保留想要的订单并放下无关紧要的列,则会得到您要的东西。
您也可以使用枢轴命令(再次在Scala中,但您应该可以轻松地转换为Java):
df.show()
>>+---+---+---+
>>| id|cnt|day|
>>+---+---+---+
>>|333| 31| 1|
>>|333| 32| 2|
>>|333|133| 3|
>>|333| 34| 4|
>>|333| 35| 5|
>>|333| 36| 6|
>>|333| 37| 7|
>>|222| 41| 4|
>>|111| 11| 1|
>>|111| 22| 2|
>>|111| 33| 3|
>>|111| 44| 4|
>>|111| 55| 5|
>>|111| 66| 6|
>>|111| 77| 7|
>>|222| 21| 1|
>>+---+---+---+
val df2 = df.withColumn("all",struct('id, 'cnt' 'day))
val res = .groupBy("id").pivot("day").agg(first('all).as("bla")).select("1.*","2.*","3.*", "4.*", "5.*", "6.*", "7.*")
res.show()
>>+---+---+---+----+----+----+----+----+----+---+---+---+----+----+----+----+----+----+----+----+----+
>>| id|cnt|day| id| cnt| day| id| cnt| day| id|cnt|day| id| cnt| day| id| cnt| day| id| cnt| day|
>>+---+---+---+----+----+----+----+----+----+---+---+---+----+----+----+----+----+----+----+----+----+
>>|333| 31| 1| 333| 32| 2| 333| 133| 3|333| 34| 4| 333| 35| 5| 333| 36| 6| 333| 37| 7|
>>|222| 21| 1|null|null|null|null|null|null|222| 41| 4|null|null|null|null|null|null|null|null|null|
>>|111| 11| 1| 111| 22| 2| 111| 33| 3|111| 44| 4| 111| 55| 5| 111| 66| 6| 111| 77| 7|
>>+---+---+---+----+----+----+----+----+----+---+---+---+----+----+----+----+----+----+----+----+----+