我使用Spark 2.1。
我在Spark DataFrame中有一些数据,如下所示:
**ID** **type** **val**
1 t1 v1
1 t11 v11
2 t2 v2
我想使用Spark Scala(最好是(或Spark SQL枢转数据,以使最终输出应如下所示:
**ID** **t1** **t11** **t2**
1 v1 v11
2 v2
您可以使用groupBy.pivot
:
import org.apache.spark.sql.functions.first
df.groupBy("ID").pivot("type").agg(first($"val")).na.fill("").show
+---+---+---+---+
| ID| t1|t11| t2|
+---+---+---+---+
| 1| v1|v11| |
| 2| | | v2|
+---+---+---+---+
注意:取决于实际数据,即ID
和type
的每种组合有多少个值,您可以选择其他聚合函数。
这是一种方法:
val df = Seq(
(1, "T1", "v1"),
(1, "T11", "v11"),
(2, "T2", "v2")
).toDF(
"id", "type", "val"
).as[(Int, String, String)]
val df2 = df.groupBy("id").pivot("type").agg(concat_ws(",", collect_list("val")))
df2.show
+---+---+---+---+
| id| T1|T11| T2|
+---+---+---+---+
| 1| v1|v11| |
| 2| | | v2|
+---+---+---+---+
请注意,如果与给定的type
有不同的 val
s,则将在df2
中的type
下分组(逗号删除(。
这个应该工作
val seq = Seq((123,"2016-01-01","1"),(123,"2016-01-02","2"),(123,"2016-01-03","3"))
val seq = Seq((1,"t1","v1"),(1,"t11","v11"),(2,"t2","v2"))
val df = seq.toDF("id","type","val")
val pivotedDF = df.groupBy("id").pivot("type").agg(first("val"))
pivotedDF.show
输出:
+---+----+----+----+
| id| t1| t11| t2|
+---+----+----+----+
| 1| v1| v11|null|
| 2|null|null| v2|
+---+----+----+----+