从 Apache Spark SQL split() 函数中获取最后一个元素

Question

我想从 Spark SQL split() 函数返回的数组中获取最后一个元素。

split(4:3-2:3-5:4-6:4-5:2,'-')

我知道它可以过去

split(4:3-2:3-5:4-6:4-5:2,'-')[4]

但是当我不知道 Array 的长度时，我想要另一种方式。请帮我。

Answer 1

您还可以在 Split() 之后的列上使用 SparkSql Reverse() 函数。例如：

SELECT reverse(split(MY_COLUMN,'-'))[0] FROM MY_TABLE

这里[0]给出了反转数组的第一个元素，它是初始数组的最后一个元素。

Answer 2

请检查substring_index它应该完全按照您的意愿工作：

substring_index(lit("1-2-3-4"), "-", -1) // 4

Answer 3

您可以使用 UDF 来执行此操作，如下所示：

val df = sc.parallelize(Seq((1L,"one-last1"), (2L,"two-last2"), (3L,"three-last3"))).toDF("key","Value")
+---+-----------+
|key|Value      |
+---+-----------+
|1  |one-last1  |
|2  |two-last2  |
|3  |three-last3|
+---+-----------+

val get_last = udf((xs: Seq[String]) => Try(xs.last).toOption)

val with_just_last = df.withColumn("Last" , get_last(split(col("Value"), "-")))
+---+-----------+--------+
|key|Value      |Last    |
+---+-----------+--------+
|1  |one-last1  |last1   |
|2  |two-last2  |last2   |
|3  |three-last3|last3   |
+---+-----------+--------+

请记住， SparkSQL 的split函数可以应用于 DataFrame 的列。