将数据帧的每一行转换为地图

Question

我有一个数据帧，其中包含字符串类型的A列和B列。让我们假设以下数据帧

+--------+
|A  | B  |
|1a | 1b |
|2a | 2b |

我想添加第三列来创建A和B列的地图

+-------------------------+
|A  | B  |  C             |
|1a | 1b | {A->1a, B->1b} |
|2a | 2b | {A->2a, B->2b} |

我正在尝试通过以下方式执行此操作。我有 udf 接收数据帧并返回地图

val test = udf((dataFrame: DataFrame) => {
val result = new mutable.HashMap[String, String]
dataFrame.columns.foreach(col => {
  result.put(col, dataFrame(col).asInstanceOf[String])
})
result
})

我以以下方式调用此 udf，当我尝试将数据集作为文字传递时，它会抛出 RunTimeException

。

df.withColumn("C", Helper.test(lit(df.select(df.columns.head, df.columns.tail: _*)))

我不想将 df('a'( df('b'( 传递给我的助手 udf，因为我希望它们是我可以选择的列的通用列表。有什么指示吗？

Answer 1

映射方式

您可以将map内置函数用作

import org.apache.spark.sql.functions._
val columns = df.columns
df.withColumn("C", map(columns.flatMap(x => Array(lit(x), col(x))): _*)).show(false)

应该给你

+---+---+---------------------+
|A  |B  |C                    |
+---+---+---------------------+
|1a |1b |Map(A -> 1a, B -> 1b)|
|2a |2b |Map(A -> 2a, B -> 2b)|
+---+---+---------------------+

乌德夫方式

或者，您可以使用将udf定义为

//collecting column names to be used in the udf
val columns = df.columns
//definining udf function
import org.apache.spark.sql.functions._
def createMapUdf = udf((names: Seq[String], values: Seq[String])=> names.zip(values).toMap)
 //calling udf function 
df.withColumn("C", createMapUdf(array(columns.map(x => lit(x)): _*), array(col("A"), col("B")))).show(false)

我希望答案对您有所帮助

Answer 2

@

Ramesh Maharjan - 你的答案已经很棒了，我的答案只是使用字符串插值以动态方式制作你的 UDF 答案。

列D以动态方式提供。

df.withColumn("C", createMapUdf(array(columns.map(x => lit(x)): _*), 
array(col("A"), col("B"))))
.withColumn("D", createMapUdf(array(columns.map(x => lit(x)): _*), 
array(columns.map(x => col(s"$x") ): _* ))).show()