Spark与SQL之间NB的转换_withClumn,split及SubString

业务描述

业务中有这样一个场景,我想实现的是将dataframe表table1中的字段b1与c1的内容使用下划线_连接起来列的名字为d1,比如比如学习_1,睡觉_2,吃饭_3,这是我的第一个需求;随后我想保留的是dataframe表table1中的字段d1中的数据比如学习_1,睡觉_2,吃饭_3,中的数据中_前后的数据分别作为两列e1,f1。

该怎么写这个spark代码,我的想法是使用withclumn函数及split函数.sql来写的话就是使用subString函数来进行_匹配。

为什么要这么做,因为单独的b1列是一个目标的id,而b2是作为每天不同时间段传过来数据的批号,一批一批的实时数据过来,一个目标一天内对应许多个批次数据,批次的名称是单独不重复的。为了后面做类别,先把目标,批次联合在一起,做一个联合 '目标_批次',然后再把目标,批次拆开供后面的聚合使用。

比如说

sql代码

sql 复制代码
SELECT SUBSTRING_INDEX(a1, '_', 1) AS a2
FROM table1;

Spark代码

创建一个DataFrame,名为table1,将b1c1字段的内容使用下划线连接起来,并将新的列命名为d1

Scala 复制代码
import org.apache.spark.sql.functions._  
  
val table1 = Seq(  
  ("学习", "1"),  
  ("睡觉", "2"),  
  ("吃饭", "3")  
).toDF("b1", "c1")  
  
val table1_d1 = table1.withColumn("d1", concat($"b1", "_", $"c1"))

使用split函数将d1字段中的数据拆分为两列e1f1

Scala 复制代码
val table1_d1_split = table1_d1.withColumn("e1", split(col("d1"), "_")(0))  
                               .withColumn("f1", split(col("d1"), "_")(1))

table1_d1_split.show()

table1_d1_split DataFrame将包含新的列e1f1,分别包含下划线前后的数据

Scala 复制代码
+------+------+------+------+------+  
|   b1 |   c1 |   d1 |   e1 |   f1 |  
+------+------+------+------+------+  
| 学习 |   1  | 学习_1 | 学习 |   1  |  
| 睡觉 |   2  | 睡觉_2 | 睡觉 |   2  |  
| 吃饭 |   3  | 吃饭_3 | 吃饭 |   3  | 

sql的就是不断地截取

整体的处理这块逻辑代码:

Scala 复制代码
import org.apache.spark.sql.functions._  
  
val table1 = Seq(  
  ("学习", "1"),  
  ("睡觉", "2"),  
  ("吃饭", "3")  
).toDF("b1", "c1")  
  
val table1_d1 = table1.withColumn("d1", concat($"b1", "_", $"c1"))
val table1_d1_split = table1_d1.withColumn("e1", split(col("d1"), "_")(0))  
                               .withColumn("f1", split(col("d1"), "_")(1))

table1_d1_split.show()
相关推荐
liupenglove7 小时前
自动驾驶数据仓库:时间片合并算法。
大数据·数据仓库·算法·elasticsearch·自动驾驶
紫无之紫8 小时前
SQL性能调优经验总结
数据库·sql·性能调优
小云数据库服务专线9 小时前
GaussDB in的用法
数据库·sql·gaussdb
全能搬运大师10 小时前
win10安装Elasticsearch
大数据·elasticsearch·搜索引擎
Guheyunyi10 小时前
电气安全监测系统:筑牢电气安全防线
大数据·运维·网络·人工智能·安全·架构
BigData共享10 小时前
StarRocks fragment的执行流程
大数据
阿里云大数据AI技术11 小时前
阿里云 EMR Serverless Spark: 面向 Data+AI 的高性能 Lakehouse 产品
大数据·人工智能·数据分析
杨小扩11 小时前
AI驱动的软件工程(中):文档驱动的编码与执行
大数据·人工智能·软件工程
技术+ywxs578712 小时前
如何提高微信小店推客系统的推广效果?
大数据·微信开放平台·微信小店·推客系统·系统搭建
杨超越luckly13 小时前
HTML应用指南:利用GET请求获取全国永辉超市门店位置信息
大数据·信息可视化·数据分析·html·argis·门店