我有一个日期框架,它在数字的基础上具有唯一和重复的记录。现在我想将数据框拆分为两个数据框。在第一个数据框中,我需要复制唯一的行,在第二个数据框中,我想要所有重复的行。例如
id name number
1 Shan 101
2 Shan 101
3 John 102
4 Michel 103
两个被分割的数据框应该像
独特 id name number
3 John 102
4 Michel 103
重复 id name number
1 Shan 101
2 Shan 101
您尝试的解决方案可能会让您达到目的。
你的数据看起来像这样
val df = sc.parallelize(Array(
(1, "Shan", 101),
(2, "Shan", 101),
(3, "John", 102),
(4, "Michel", 103)
)).toDF("id","name","number")
然后你自己建议分组和计数。如果你这样做
val repeatedNames = df.groupBy("name").count.where(col("count")>1).withColumnRenamed("name","repeated").drop("count")
,那么你可以在后面做这样的事情:
val repeated = df.join(repeatedNames, repeatedNames("repeated")===df("name")).drop("repeated")
val distinct = df.except(repeated)
repeated show
+---+----+------+
| id|name|number|
+---+----+------+
| 1|Shan| 101|
| 2|Shan| 101|
+---+----+------+
distinct show
+---+------+------+
| id| name|number|
+---+------+------+
| 4|Michel| 103|
| 3| John| 102|
+---+------+------+
希望能有所帮助。