Scala:如何使用scala替换Dataframe中的值

Question

例如,我想将列中等于0.2的所有数字替换为0.如何在Scala中执行此操作？谢谢

编辑:

|year| make|model| comment            |blank|
|2012|Tesla| S   | No comment         |     | 
|1997| Ford| E350|Go get one now th...|     | 
|2015|Chevy| Volt| null               | null| 

这是我的Dataframe我试图将make栏中的特斯拉改为S.

Answer 1

Spark 1.6.2,Java代码(对不起),这将在不通过RDD的情况下将整个数据帧的每个特斯拉实例更改为S:

dataframe.withColumn("make", when(col("make").equalTo("Tesla"), "S")
                             .otherwise(col("make") 
                    );

编辑添加@ marshall245"否则"以确保非特斯拉列不会转换为NULL.

Answer 2

建立@ Azeroth2b的解决方案.如果您只想更换几件物品,请保持其余部分不变.请执行下列操作.不使用否则(...)方法,列的其余部分变为空.

import org.apache.spark.sql.functions._
val newsdf = sdf.withColumn("make", when(col("make") === "Tesla", "S")
                                   .otherwise(col("make"))
                           );

旧DataFrame

+-----+-----+ 
| make|model| 
+-----+-----+ 
|Tesla|    S| 
| Ford| E350| 
|Chevy| Volt| 
+-----+-----+ 

新数据

+-----+-----+
| make|model|
+-----+-----+
|    S|    S|
| Ford| E350|
|Chevy| Volt|
+-----+-----+

Answer 3

这可以在具有用户定义函数(udf)的数据帧中实现.

import org.apache.spark.sql.functions._
val sqlcont = new org.apache.spark.sql.SQLContext(sc)
val df1 = sqlcont.jsonRDD(sc.parallelize(Array(
      """{"year":2012, "make": "Tesla", "model": "S", "comment": "No Comment", "blank": ""}""",
      """{"year":1997, "make": "Ford", "model": "E350", "comment": "Get one", "blank": ""}""",
      """{"year":2015, "make": "Chevy", "model": "Volt", "comment": "", "blank": ""}"""
    )))

val makeSIfTesla = udf {(make: String) => 
  if(make == "Tesla") "S" else make
}
df1.withColumn("make", makeSIfTesla(df1("make"))).show

Answer 4

注意: 正如Olivier Girardot所提到的,这个答案没有优化,withColumn解决方案是使用的解决方案(Azeroth2b答案)

由于已被接受,因此无法删除此答案

以下是我对此的看法:

 val rdd = sc.parallelize(
      List( (2012,"Tesla","S"), (1997,"Ford","E350"), (2015,"Chevy","Volt"))
  )
  val sqlContext = new SQLContext(sc)

  // this is used to implicitly convert an RDD to a DataFrame.
  import sqlContext.implicits._

  val dataframe = rdd.toDF()

  dataframe.foreach(println)

 dataframe.map(row => {
    val row1 = row.getAs[String](1)
    val make = if (row1.toLowerCase == "tesla") "S" else row1
    Row(row(0),make,row(2))
  }).collect().foreach(println)

//[2012,S,S]
//[1997,Ford,E350]
//[2015,Chevy,Volt]

实际上,你可以直接使用map的DataFrame.

所以你基本上检查第1列的字符串tesla.如果是 tesla,请使用值S进行make其他你第1列的当前值

然后使用索引(基于零)(Row(row(0),make,row(2)))在我的示例中使用行中的所有数据构建一个元组)

可能有更好的方法.我不熟悉Spark之伞