Как взорвать столбцы?

После:

val df = Seq((1, Vector(2, 3, 4)), (1, Vector(2, 3, 4))).toDF("Col1", "Col2")

У меня этот DataFrame в Apache Spark:

+------+---------+
| Col1 | Col2    |
+------+---------+
|  1   |[2, 3, 4]|
|  1   |[2, 3, 4]|
+------+---------+

Как преобразовать это в:

+------+------+------+------+
| Col1 | Col2 | Col3 | Col4 |
+------+------+------+------+
|  1   |  2   |  3   |  4   |
|  1   |  2   |  3   |  4   |
+------+------+------+------+

Ответ 1

Решение, которое не конвертируется в и из RDD:

df.select($"Col1", $"Col2"(0) as "Col2", $"Col2"(1) as "Col3", $"Col2"(2) as "Col3")

Или может показаться приятнее:

val nElements = 3
df.select(($"Col1" +: Range(0, nElements).map(idx => $"Col2"(idx) as "Col" + (idx + 2)):_*))

Размер столбца массива Spark не является фиксированным, вы можете, например, иметь:

+----+------------+
|Col1|        Col2|
+----+------------+
|   1|   [2, 3, 4]|
|   1|[2, 3, 4, 5]|
+----+------------+

Таким образом, нет возможности получить количество столбцов и создать их. Если вы знаете, что размер всегда один и тот же, вы можете установить nElements следующим образом:

val nElements = df.select("Col2").first.getList(0).size

Ответ 2

Просто добавьте в решение sgvd:

Если размер не всегда одинаковый, вы можете установить nElements следующим образом:

val nElements = df.select(size('Col2).as("Col2_count"))
                  .select(max("Col2_count"))
                  .first.getInt(0)

Ответ 3

Вы можете использовать карту:

df.map {
    case Row(col1: Int, col2: mutable.WrappedArray[Int]) => (col1, col2(0), col2(1), col2(2))
}.toDF("Col1", "Col2", "Col3", "Col4").show()

Ответ 4

Просто, чтобы дать версию Pyspark sgvd answer. Если столбец массива находится в Col2, то этот оператор select будет перемещать первый nElements каждого массива в Col2 в свои собственные столбцы:

from pyspark.sql import functions as F            
df.select([F.col('Col2').getItem(i) for i in range(nElements)])