通过检查值是否在列表中以及其他条件来过滤Spark DataFrame

Question

作为简化示例,我尝试使用以下代码过滤Spark DataFrame:

val xdf = sqlContext.createDataFrame(Seq(
  ("A", 1), ("B", 2), ("C", 3)
)).toDF("name", "cnt")
xdf.filter($"cnt" >1 || $"name" isin ("A","B")).show()

然后它错误:

org.apache.spark.sql.AnalysisException: cannot resolve '((cnt > 1) || name)' due to data type mismatch: differing types in '((cnt > 1) || name)' (boolean and string).;

什么是正确的方法呢？在我看来,它在name列之后停止阅读.它是解析器中的错误吗？我正在使用Spark 1.5.1

Answer 1

希望这会对你有所帮助:

val list = List("x","y","t") 
xdf.filter($"column".isin(list:_*))

Answer 2

你必须用括号表示个别表达式:

xdf.filter(($"cnt" > 1) || ($"name" isin ("A","B"))).show()