转换为数据帧错误

Question

我想创建一个带有110列的数据框，因此当我尝试将rdd转换为数据框时，我创建了一个具有110个属性的类。

case class Myclass(var cin_nb:String,...........,var last:String) 
import sqlContext.implicts._ 
file2.map(_.split("\t")).map(a=>Myclass(a(0),a(1),a(2),a(3),.....a(110)).ToDf() 

我得到这个错误：

not enough arguments for method apply: (cin_nb: String,...........,last:String) 

我使用Scala和火花1.6。谢谢

Answer 1

你不能这样做，因为有大小写类/ StructType模式的22列的硬限制。这是由于Scala中的Tuple仅支持22个元素！要将数据帧增长到更多列，您需要使用.withColumn函数来扩展它，或者从文件直接加载到Dataframe中。例如，来自实木复合地板，或者使用databricks csv解析器。

编辑：如何用.withColumn

import scala.util.Random 

val numCols = 100 
val numRows = 5 
val delimiter = "\t" 

def generateRowData = (0 until numCols).map(i => Random.alphanumeric.take(5).mkString).mkString(delimiter) 

val df = sc.parallelize((0 until numRows).map(i => generateRowData).toList).toDF("data") 

def extractCol(i: Int, sep: String) = udf[String, String](_.split(sep)(i)) 

val result = (0 until numCols).foldLeft(df){case (acc,i) => acc.withColumn(s"c$i", extractCol(i,delimiter)($"data"))}.drop($"data") 

result.printSchema 
result.show