scala - 使用 Spark Dataframe 中的函数创建新列

Question

我正在尝试找出 Spark 中的新数据帧 API。看起来是向前迈出的一大步，但在做一些本应非常简单的事情时却遇到了困难。我有一个包含 2 列的数据框，“ID”和“金额”。作为一个通用示例，假设我想返回一个名为“code”的新列，该列返回基于“Amt”值的代码。我可以编写一个类似这样的函数:

def coder(myAmt:Integer):String {
  if (myAmt > 100) "Little"
  else "Big"
}

当我尝试像这样使用它时:

val myDF = sqlContext.parquetFile("hdfs:/to/my/file.parquet")

myDF.withColumn("Code", coder(myDF("Amt")))

我收到类型不匹配错误

found   : org.apache.spark.sql.Column
required: Integer

我尝试将函数的输入类型更改为 org.apache.spark.sql.Column，但随后我开始在函数编译时遇到错误，因为它需要在 if 语句中使用 bool 值。

我这样做错了吗？有没有比使用 withColumn 更好/另一种方法来做到这一点？

感谢您的帮助。

Answer 1

假设您的架构中有“Amt”列:

import org.apache.spark.sql.functions._
val myDF = sqlContext.parquetFile("hdfs:/to/my/file.parquet")
val coder: (Int => String) = (arg: Int) => {if (arg < 100) "little" else "big"}
val sqlfunc = udf(coder)
myDF.withColumn("Code", sqlfunc(col("Amt")))

我认为 withColumn 是添加列的正确方法