0
我会使用火花数据框来搜索内容'喜欢' ,我们可以使用'或'功能像sql'||'像这样过滤。apache spark sql数据框过滤器按字符串多规则
voc_0201.filter(col("contents").like("intel").or(col("contents").like("apple"))).count
但我必须过滤很多字符串,我怎么能过滤字符串列表或数组到数据框?
感谢
我会使用火花数据框来搜索内容'喜欢' ,我们可以使用'或'功能像sql'||'像这样过滤。apache spark sql数据框过滤器按字符串多规则
voc_0201.filter(col("contents").like("intel").or(col("contents").like("apple"))).count
但我必须过滤很多字符串,我怎么能过滤字符串列表或数组到数据框?
感谢
让我们先来定义我们的patterns
:
val patterns = Seq("foo", "bar")
,并创建一个例子DataFrame
:
val df = Seq((1, "bar"), (2, "foo"), (3, "xyz")).toDF("id", "contents")
一个简单的解决方案是在fold
patterns
:
val expr = patterns.foldLeft(lit(false))((acc, x) =>
acc || col("contents").like(x)
)
df.where(expr).show
// +---+--------+
// | id|contents|
// +---+--------+
// | 1| bar|
// | 2| foo|
// +---+--------+
另一个是建立正则表达式,并使用rlike
:
val expr = patterns.map(p => s"^$p$$").mkString("|")
df.where(col("contents").rlike(expr)).show
// +---+--------+
// | id|contents|
// +---+--------+
// | 1| bar|
// | 2| foo|
// +---+--------+
PS:如果这不是简单的字面上述溶液可能不工作。
最后,对于简单的模式,你可以使用isin
:
df.where(col("contents").isin(patterns: _*)).show
// +---+--------+
// | id|contents|
// +---+--------+
// | 1| bar|
// | 2| foo|
// +---+--------+
也可以加入:
val patternsDF = patterns.map(Tuple1(_)).toDF("contents")
df.join(broadcast(patternsDF), Seq("contents")).show
// +---+--------+
// | id|contents|
// +---+--------+
// | 1| bar|
// | 2| foo|
// +---+--------+
感谢。 它适用于第一种解决方案。 第二和第三个结果为空, – benchuang
谢谢,第一个解决方案符合我的要求。它运作良好。 – benchuang