码农知识堂 - 1000bd
  •   Python
  •   PHP
  •   JS/TS
  •   JAVA
  •   C/C++
  •   C#
  •   GO
  •   Kotlin
  •   Swift
  • Spark DataFrame join后移除重复的列


    在Spark,两个DataFrame做join操作后,会出现重复的列。例如:

     Dataset<Row> moviesWithRating = moviesDF
                    .join(averageRatingMoviesDF,
                            moviesDF.col("movieId").equalTo(averageRatingMoviesDF.col("movieId")));
    
    • 1
    • 2
    • 3

    其schema如下:

    //moviesWithRating.printSchema();
            /**
             * root
             *  |-- _id: struct (nullable = true)
             *  |    |-- oid: string (nullable = true)
             *  |-- actors: string (nullable = true)
             *  |-- description: string (nullable = true)
             *  |-- directors: string (nullable = true)
             *  |-- genres: string (nullable = true)
             *  |-- issue: string (nullable = true)
             *  |-- language: string (nullable = true)
             *  |-- movieId: integer (nullable = true)
             *  |-- shoot: string (nullable = true)
             *  |-- timeLong: string (nullable = true)
             *  |-- title: string (nullable = true)
             *  |-- movieId: integer (nullable = true)
             *  |-- avgRating: double (nullable = true)
             */
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18

    我们在继续操作这个DataFrame时,可能就会报错,如下:org.apache.spark.sql.AnalysisException: Reference ‘movieId’ is ambiguous

    解决方案有两种方法可以用来移除重复的列

    • 方法一:join表达式使用字符串数组(用于join的列)
    Seq<String> joinColumns = JavaConversions.asScalaBuffer(Arrays.asList("movieId")).toList();
    Dataset<Row> moviesWithRating = moviesDF.join(
                            averageRatingMoviesDF,
                            joinColumns,
                            "inner");
    
    • 1
    • 2
    • 3
    • 4
    • 5

    这里DataFrame moviesDF和averageRatingMoviesDF使用了movieId和movieId两列来做join,返回的结果会对这两列去重
    如果是scala,解决方案如下:

     val moviesWithRating = moviesDf.join(averageRatingMoviesDF, Seq("movieId")) 
    
    • 1
    • 方法二:使用select返回指定的列
    Dataset<Row> moviesWithRating = moviesDF
                    .join(averageRatingMoviesDF,
                            moviesDF.col("movieId").equalTo(averageRatingMoviesDF.col("movieId")))
                    .select(
                            moviesDF.col("movieId"),
    
                            col("actors"),
                            col("description"),
                            col("directors"),
                            col("genres"),
                            col("issue"),
                            col("language"),
                            col("shoot"),
                            col("timeLong"),
                            col("title"),
                            col("avgRating")
                    );
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17

    说明:
    如果列较少, 推荐使用第二种.
    如果列较多, 推荐使用第一种.

  • 相关阅读:
    基于YOLOv8模型的条形码二维码检测系统(PyTorch+Pyside6+YOLOv8模型)
    【27】c++设计模式——>迭代器模式(遍历双向链表)(2)
    m基于MATLAB的通信系统仿真,包括信号源,载波信号,放大器,带宽滤波器,接收端包括放大器,带宽滤波器,载波解调,低通滤波器等
    Cannot install powershell modules
    AQS 源码解读之加锁篇
    Web自动化处理“滑动验证码”
    Selenium获取百度百科旅游景点的InfoBox消息盒
    springboot+avue医院绩效考核系统源码
    “AI巨浪:ChatGPT等大模型重塑科研与创新的未来!“
    List集合的Stream流式操作实现数据类型转换
  • 原文地址:https://blog.csdn.net/weixin_56058578/article/details/134399798
  • 最新文章
  • 沪漂五周年了:我越来越迷茫了
    Agentic Skill Routing 实战:别再把所有 Skill 塞进 AI Agent 上下文
    MySQL-Seconds_behind_master的精度误差
    [MAF预定义ChatClient中间件-03]CachingChatClient——利用缓存省钱省时间
    AI的至暗历史:从万众期待到被政府撤资,AI的两次死亡徘徊
    Agent OS :五种驯服不确定性的范式
    PortSwigger SQL注入LAB11
    数据库即时编译JIT
    [Begin]AI Learn Data Day 0
    深度学习进阶(二十七)现代 LLM 的核心架构设计其二:SwiGLU
  • 热门文章
  • 十款代码表白小特效 一个比一个浪漫 赶紧收藏起来吧!!!
    奉劝各位学弟学妹们,该打造你的技术影响力了!
    五年了,我在 CSDN 的两个一百万。
    Java俄罗斯方块,老程序员花了一个周末,连接中学年代!
    面试官都震惊,你这网络基础可以啊!
    你真的会用百度吗?我不信 — 那些不为人知的搜索引擎语法
    心情不好的时候,用 Python 画棵樱花树送给自己吧
    通宵一晚做出来的一款类似CS的第一人称射击游戏Demo!原来做游戏也不是很难,连憨憨学妹都学会了!
    13 万字 C 语言从入门到精通保姆级教程2021 年版
    10行代码集2000张美女图,Python爬虫120例,再上征途
小工具 小游戏
Copyright © 2022 侵权请联系2656653265@qq.com    京ICP备2022015340号-1

京公网安备 11010502049817号