Взорвать данные массива в строки искры

У меня есть набор данных следующим образом:

FieldA    FieldB    ArrayField
1         A         {1,2,3}
2         B         {3,5}

Я хотел бы взорвать данные на ArrayField, чтобы результат выглядел следующим образом:

FieldA    FieldB    ExplodedField
1         A         1
1         A         2
1         A         3
2         B         3
2         B         5

Я имею в виду, что я хочу создать выходную строку для каждого элемента массива в массиве ArrayField, сохраняя значения других полей.

Как бы вы реализовали его в Spark. Обратите внимание, что входной набор данных очень большой.

Ответ 1

Функция explode должна выполнить это.

версия pyspark:

>>> df = spark.createDataFrame([(1, "A", [1,2,3]), (2, "B", [3,5])],["col1", "col2", "col3"])
>>> from pyspark.sql.functions import explode
>>> df.withColumn("col3", explode(df.col3)).show()
+----+----+----+
|col1|col2|col3|
+----+----+----+
|   1|   A|   1|
|   1|   A|   2|
|   1|   A|   3|
|   2|   B|   3|
|   2|   B|   5|
+----+----+----+

Scala версия

scala> val df = Seq((1, "A", Seq(1,2,3)), (2, "B", Seq(3,5))).toDF("col1", "col2", "col3")
df: org.apache.spark.sql.DataFrame = [col1: int, col2: string ... 1 more field]

scala> df.withColumn("col3", explode($"col3")).show()
+----+----+----+
|col1|col2|col3|
+----+----+----+
|   1|   A|   1|
|   1|   A|   2|
|   1|   A|   3|
|   2|   B|   3|
|   2|   B|   5|
+----+----+----+

Ответ 2

Вы можете использовать функцию взрыва Ниже приведен простой пример для вашего случая

import org.apache.spark.sql.functions._
import spark.implicits._

  val data = spark.sparkContext.parallelize(Seq(
    (1, "A", List(1,2,3)),
    (2, "B", List(3, 5))
  )).toDF("FieldA", "FieldB", "FieldC")

    data.withColumn("ExplodedField", explode($"FieldC")).drop("FieldC")

Надеюсь, это поможет!