web-dev-qa-db-ja.com

データフレーム列の配列要素にアクセスする方法（スカラ）

dfElements2の最初の列はarrayです。緯度と経度を選択すると同時に、配列全体ではなく配列の代わりに最初の要素(30002| 30005 | 30158 ...)を選択する必要がありました。

データフレームは次のようになります。

+-----------------------------------+
| short_name  |   lat    |   lng
+-----------------------------------+
|   30002     |37.9796566|-1.1317041|
|   30005     |37.9868856|-1.1371011|
|   30158     | 37.941845|-1.0681918|
|   30006     |37.9971704|-1.0993366|
+-----------------------------------+

コマンドresults.address_components.short_nameを編集して配列要素にアクセスする可能性があるかどうか教えてください。

var DFResults2=DF_Google1.select(explode(DF_Google1 ("results"))).toDF("results")
var dfElements2=DFResults2.select("results.address_components.short_name","results.geometry.location.lat","results.geometry.location.lng")**
var dfElements3=dfElements2.select(explode(dfElements2("short_name"))).toDF("CP")

dfElements2.show()
dfElements2.printSchema()


+--------------------+----------+----------+
|          short_name|       lat|       lng|
+--------------------+----------+----------+
|[30002, Murcia, M...|37.9796566|-1.1317041|
|[30005, Murcia, M...|37.9868856|-1.1371011|
|[30158, Murcia, M...| 37.941845|-1.0681918|
|[30006, Murcia, M...|37.9971704|-1.0993366|
|[30100, Murcia, M...|38.0256612|-1.1640968|
|[30009, Murcia, M...|37.9887492|-1.1496969|
|[30008, Murcia, M...|37.9928939|-1.1317041|
|[30007, Murcia, M...|38.0077579|-1.0993366|
|[Murcia, MU, Regi...|37.9922399|-1.1306544|
|[30004, Murcia, M...|37.9822582|-1.1365014|
|[30003, Murcia, M...|37.9850434|-1.1221111|
|[Murcia, MU, Regi...|37.9922399|-1.1306544|
|[30152, Murcia, M...|37.9569734|-1.1496969|
|[30012, Murcia, M...|37.9651726|-1.1233101|
|[30011, Murcia, M...|37.9759009|-1.1089244|
|[30001, Murcia, M...|37.9856424|-1.1287061|
|[30010, Murcia, M...| 37.970285|-1.1424989|
+--------------------+----------+----------+

root
 |-- short_name: array (nullable = true)
 |    |-- element: string (containsNull = true)
 |-- lat: double (nullable = true)
 |-- lng: double (nullable = true)
arraysscalaapache-sparkdataframe
6
Jorge García Otero

これを試して：

df.selectExpr("short_name[0]", "lat", "lng")

N番目の項目の選択は、実際には列ではなくSQL式です。したがって、.selectを使用する場合は、exprも使用できます。

df.select(expr("short_name[0]"), expr("lat"), expr("lng"))
4
emran

列でapplyメソッドを使用するか、代わりにgetItemを使用できます。

df.select(col("results.address_components.short_name")(0))

または

df.select(col("results.address_components.short_name").getItem(0))
2
Raphael Roth

ご協力ありがとうございます。両方の方法が機能しました！

A2.select(col("results.address_components.short_name")(0),col("results.geometry.location.lat"),col("results.geometry.location.lng"))

A2.selectExpr("results.address_components.short_name[0]", "results.geometry.location.lat", "results.geometry.location.lng").show()

さらに、UDFを使用して問題を解決する方法を見つけました。

val headValue = udf((arr: Seq[String]) => arr.head)
var dfElements3 = dfElements2.withColumn("CP",headValue(dfElements2("short_name")))
                             .select("CP","lat","lng")
1
Jorge García Otero