Spark Scala Dataframe将结构数组的列转换为Map的列

Question

我是Scala的新手。我有一个带有字段的数据框

ID:string, Time:timestamp, Items:array(struct(name:string,ranking:long))

我想将名称字段作为键将Items字段的每一行转换为hashmap 。我不太确定该怎么做。

Answer 1

这可以使用UDF完成：

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

// Sample data:
val df = Seq(
  ("id1", "t1", Array(("n1", 4L), ("n2", 5L))),
  ("id2", "t2", Array(("n3", 6L), ("n4", 7L)))
).toDF("ID", "Time", "Items")

// Create UDF converting array of (String, Long) structs to Map[String, Long]
val arrayToMap = udf[Map[String, Long], Seq[Row]] {
  array => array.map { case Row(key: String, value: Long) => (key, value) }.toMap
}

// apply UDF
val result = df.withColumn("Items", arrayToMap($"Items"))

result.show(false)
// +---+----+---------------------+
// |ID |Time|Items                |
// +---+----+---------------------+
// |id1|t1  |Map(n1 -> 4, n2 -> 5)|
// |id2|t2  |Map(n3 -> 6, n4 -> 7)|
// +---+----+---------------------+

没有UDF，我看不到一种方法（仅使用Spark的内置函数）。