apache-spark - Spark - 选择哪里或过滤？

Question

Spark 中使用 where 子句进行选择和过滤有什么区别？
是否存在其中一种比另一种更合适的用例？

什么时候使用

DataFrame newdf = df.select(df.col("*")).where(df.col("somecol").leq(10))

什么时候

DataFrame newdf = df.select(df.col("*")).filter("somecol <= 10")

更合适吗？

Answer 1

根据spark documentation “where() 是 filter() 的别名”

过滤器(条件) 使用给定条件过滤行。 where() 是 filter() 的别名。

参数:条件 - types.BooleanType 的Column 或 SQL 表达式字符串。

>>> df.filter(df.age > 3).collect()
[Row(age=5, name=u'Bob')]
>>> df.where(df.age == 2).collect()
[Row(age=2, name=u'Alice')]

>>> df.filter("age > 3").collect()
[Row(age=5, name=u'Bob')]
>>> df.where("age = 2").collect()
[Row(age=2, name=u'Alice')]