通过检查值是否在列表中以及其他条件来过滤 Spark DataFrame

Question

作为一个简化示例，我尝试使用以下代码过滤 Spark DataFrame：

val xdf = sqlContext.createDataFrame(Seq(
  ("A", 1), ("B", 2), ("C", 3)
)).toDF("name", "cnt")
xdf.filter($"cnt" >1 || $"name" isin ("A","B")).show()

然后报错：

org.apache.spark.sql.AnalysisException: cannot resolve '((cnt > 1) || name)' due to data type mismatch: differing types in '((cnt > 1) || name)' (boolean and string).;

正确的做法是什么？在我看来，它在 name 列之后停止阅读。它是解析器中的错误吗？我正在使用 Spark 1.5.1

Answer 1

您必须将各个表达式括起来：

xdf.filter(($"cnt" > 1) || ($"name" isin ("A","B"))).show()

Answer 2

val list = List("x","y","t") 
xdf.filter($"column".isin(list: _*))

通过检查值是否在列表中以及其他条件来过滤 Spark DataFrame

Filter Spark DataFrame by checking if value is in a list, with other criteria

scala

apache-spark

apache-spark-sql