从其他列在 Apache Spark 中创建映射列

Question

我搜索了很多，但找不到适合我情况的任何内容。我有一个像这样的数据框：

+-----------------+---------------+
|             keys|         values|
+-----------------+---------------+
|[one, two, three]|[101, 202, 303]|
+-----------------+---------------+

键有一个字符串数组，值有一个整数数组。

我想创建一个包含键值映射的新列，如下所示：

+-----------------+---------------+---------------------------+
|             keys|         values|                        map|
+-----------------+---------------+---------------------------+
|[one, two, three]|[101, 202, 303]|Map(one->101, two->202, etc|
+-----------------+---------------+---------------------------+

我一直在看这个问题，但不确定它是否可以作为我的情况的起点：

我需要 Scala 中的这个。

谢谢！

Answer 1

您可以创建一个与链接问题中的类似的 udf：

 val toMap = udf((keys: Seq[String], values: Seq[Int]) => {
    keys.zip(values).toMap
  })

然后将其用作：

df.withColumn("map", toMap($"keys", $"values"))

Answer 2

从 Spark 2.4 开始，有一个内置版本 def map_from_arrays(keys: Column, values: Column): Column 在 org.apache.spark.sql.functions

从其他列在 Apache Spark 中创建映射列

Create a map column in Apache Spark from other columns

scala

apache-spark

spark-dataframe