t = str(timedelta(seconds=500000))
print t[:-6] + ' hours ' + t[-5:-3] + ' mins'
В Spark 2.3.0 вы можете:
spark.sql( """ select '1' || column_a from table_a """)
Если вы хотите сделать это с помощью DF, вы можете использовать udf для добавления нового столбца на основе существующих столбцов.
val sqlContext = new SQLContext(sc)
case class MyDf(col1: String, col2: String)
//here is our dataframe
val df = sqlContext.createDataFrame(sc.parallelize(
Array(MyDf("A", "B"), MyDf("C", "D"), MyDf("E", "F"))
))
//Define a udf to concatenate two passed in string values
val getConcatenated = udf( (first: String, second: String) => { first + " " + second } )
//use withColumn method to add a new column called newColName
df.withColumn("newColName", getConcatenated($"col1", $"col2")).select("newColName", "col1", "col2").show()
Вот еще один способ сделать это для pyspark:
#import concat and lit functions from pyspark.sql.functions
from pyspark.sql.functions import concat, lit
#Create your data frame
countryDF = sqlContext.createDataFrame([('Ethiopia',), ('Kenya',), ('Uganda',), ('Rwanda',)], ['East Africa'])
#Use select, concat, and lit functions to do the concatenation
personDF = countryDF.select(concat(countryDF['East Africa'], lit('n')).alias('East African'))
#Show the new data frame
personDF.show()
----------RESULT-------------------------
84
+------------+
|East African|
+------------+
| Ethiopian|
| Kenyan|
| Ugandan|
| Rwandan|
+------------+
Один параметр для конкатенации строковых столбцов в Spark Scala использует concat
.
Нужно проверить нулевые значения. Потому что, если один из столбцов имеет значение NULL, результат будет нулевым, даже если один из столбцов имеет информацию.
Используя concat
и withColumn
:
val newDf = df.withColumn("NEW_COLUMN", concat(when(col("COL1").isNotNull,col("COL1")).otherwise(lit("null"), when(col("COL2").isNotNull,col("COL2")).otherwise(lit("null")))
Используя concat
и select
:
val newDf = df.selectExpr("concat(nvl(COL1, ''), nvl(COL2, '')) as NEW_COLUMN")
В обоих подходах вы будете иметь NEW_COLUMN, значение которого представляет собой конкатенацию столбцов: COL1 и COL2 из вашего исходного df.
Spark SQL Context поддерживает оператор конкатенации ||
. Например:
val df = sqlContext.sql("select _c1||_c2 as concat_column from <table_name>")
Моя искра версии 2.3.0
Другой способ сделать это в pySpark, используя sqlContext ...
#Suppose we have a dataframe:
df = sqlContext.createDataFrame([('row1_1','row1_2')], ['colname1', 'colname2'])
# Now we can concatenate columns and assign the new column a name
df = df.select(concat(df.colname1, df.colname2).alias('joined_colname'))
Вот предложение, когда вы не знаете число или имя столбцов в Dataframe.
val dfResults = dfSource.select(concat_ws(",",dfSource.columns.map(c => col(c)): _*))
В Java вы можете сделать это, чтобы объединить несколько столбцов. Образец кода - предоставить вам сценарий и как его использовать для лучшего понимания.
SparkSession spark = JavaSparkSessionSingleton.getInstance(rdd.context().getConf());
Dataset<Row> reducedInventory = spark.sql("select * from table_name")
.withColumn("concatenatedCol",
concat(col("col1"), lit("_"), col("col2"), lit("_"), col("col3")));
class JavaSparkSessionSingleton {
private static transient SparkSession instance = null;
public static SparkSession getInstance(SparkConf sparkConf) {
if (instance == null) {
instance = SparkSession.builder().config(sparkConf)
.getOrCreate();
}
return instance;
}
}
Вышеупомянутый код объединил col1, col2, col3, разделенный «_», чтобы создать столбец с именем «concatenatedCol ».
С помощью raw SQL вы можете использовать CONCAT
:
df = sqlContext.createDataFrame([("foo", 1), ("bar", 2)], ("k", "v"))
df.registerTempTable("df")
sqlContext.sql("SELECT CONCAT(k, ' ', v) FROM df")
import sqlContext.implicits._
val df = sc.parallelize(Seq(("foo", 1), ("bar", 2))).toDF("k", "v")
df.registerTempTable("df")
sqlContext.sql("SELECT CONCAT(k, ' ', v) FROM df")
Начиная с Spark 1.5.0 вы можете использовать функцию concat
с API DataFrame:
from pyspark.sql.functions import concat, col, lit
df.select(concat(col("k"), lit(" "), col("v")))
import org.apache.spark.sql.functions.{concat, lit}
df.select(concat($"k", lit(" "), $"v"))
Также существует функция concat_ws
, которая принимает разделитель строк в качестве первого аргумента.
+
не перегружается для конкатенации столбцов строки, точно так же, как она перегружена для численного добавления числовых столбцов?
– max
21 June 2016 в 07:13
df.select(concat(...))
изменяет имя столбца на что-то очень уродливое?
– Katya Handler
28 July 2016 в 18:59
Вот как вы можете сделать индивидуальное именование
import pyspark
from pyspark.sql import functions as sf
sc = pyspark.SparkContext()
sqlc = pyspark.SQLContext(sc)
df = sqlc.createDataFrame([('row11','row12'), ('row21','row22')], ['colname1', 'colname2'])
df.show()
, [// g1]
+--------+--------+
|colname1|colname2|
+--------+--------+
| row11| row12|
| row21| row22|
+--------+--------+
создать новый столбец путем конкатенации:
df = df.withColumn('joined_column',
sf.concat(sf.col('colname1'),sf.lit('_'), sf.col('colname2')))
df.show()
+--------+--------+-------------+
|colname1|colname2|joined_column|
+--------+--------+-------------+
| row11| row12| row11_row12|
| row21| row22| row21_row22|
+--------+--------+-------------+