检查 arraytype 列是否包含 null

Question

我有一个包含可以包含整数值的数组类型列的数据框。如果没有值，它将只包含一个值，它将是空值

重要提示：请注意该列不会为空，而是具有单个值的数组；空值

> val df: DataFrame  = Seq(("foo", Seq(Some(2), Some(3))), ("bar", Seq(None))).toDF("k", "v")
df: org.apache.spark.sql.DataFrame = [k: string, v: array<int>]
> df.show()
+---+------+
|  k|     v|
+---+------+
|foo|[2, 3]|
|bar|[null]|

问题：我想获取具有空值的行。

---

到目前为止我尝试过的：

> df.filter(array_contains(df("v"), 2)).show()
+---+------+
|  k|     v|
+---+------+
|foo|[2, 3]|
+---+------+

对于 null，它似乎不起作用

> df.filter(array_contains(df("v"), null)).show()

org.apache.spark.sql.AnalysisException:v由于数据类型不匹配而无法解析 'array_contains( , NULL)': Null 类型值不能用作参数；

或者

> df.filter(array_contains(df("v"), None)).show()

java.lang.RuntimeException: 不支持的文字类型类 scala.None$ 无

Answer 1

对于 Spark 2.4+，您可以使用高阶函数exists代替 UDF：

df.where("exists(v, x -> x is null)").show

//+---+---+
//|  k|  v|
//+---+---+
//|bar| []|
//+---+---+

Answer 2

array_contains在这种情况下无法使用，因为NULL无法比较SQL是否相等。

你可以这样使用udf：

val contains_null = udf((xs: Seq[Integer]) => xs.contains(null))

df.where(contains_null($"v")).show

// +---+------+
// |  k|     v|
// +---+------+
// |bar|[null]|