是否有内置的 Spark 可以展平嵌套数组？

Question

我有一个 DataFrame 字段，它是Seq[Seq[String]]我构建的 UDF 以将所述列转换为 Seq[String] 列；基本上，一个flatten来自 Scala的函数的 UDF 。

def combineSentences(inCol: String, outCol: String): DataFrame => DataFrame = {

    def flatfunc(seqOfSeq: Seq[Seq[String]]): Seq[String] = seqOfSeq match {
        case null => Seq.empty[String]
        case _ => seqOfSeq.flatten
    }
    df: DataFrame => df.withColumn(outCol, udf(flatfunc _).apply(col(inCol)))
}

我的用例是字符串，但显然，这可能是通用的。您可以在 DataFrame 转换链中使用此函数，例如：

df.transform(combineSentences(inCol, outCol))

是否有一个 Spark 内置函数可以做同样的事情？我一直没能找到一个。

Answer 1

有一个类似的函数（自 Spark 2.4 起），它被称为flatten：

import org.apache.spark.sql.functions.flatten

从官方文档：

def flatten(e: Column): Column

从数组数组创建单个数组。如果嵌套数组的结构深于两层，则仅删除一层嵌套。

自从

2.4.0

为了得到确切相当于你就必须coalesce更换NULL。