过滤字符串上的 spark DataFrame 包含

Question

我正在使用 Spark 1.3.0 and Spark Avro 1.0.0。 我在 the example on the repository page 工作。以下代码运行良好

val df = sqlContext.read.avro("src/test/resources/episodes.avro")
df.filter("doctor > 5").write.avro("/tmp/output")

但是如果我需要查看 doctor 字符串是否包含子字符串怎么办？因为我们在字符串中编写表达式。我该怎么做才能做到 "contains"?

Answer 1

您可以使用 contains（这适用于任意序列）：

df.filter($"foo".contains("bar"))

like（SQL 类似于 SQL 简单正则表达式，_ 匹配任意字符，% 匹配任意序列）：

df.filter($"foo".like("bar"))

或rlike（与Java regular expressions一样）：

df.filter($"foo".rlike("bar"))

取决于您的要求。 LIKE 和 RLIKE 也应该与 SQL 表达式一起使用。

Answer 2

在pyspark中，SparkSql语法：

where column_n like 'xyz%'

可能行不通。

使用：

where column_n RLIKE '^xyz' 

这很好用。