带有列列表的 Spark 选择 Scala

【问题标题】：Spark Select with a List of Columns Scala带有列列表的 Spark 选择 Scala
【发布时间】：2016-10-07 05:13:58
【问题描述】：

我正在尝试找到一种使用 List[Column] 进行火花选择的好方法，我正在爆炸一列而不是通过我的爆炸列传回我感兴趣的所有列。

var columns = getColumns(x) // Returns a List[Column]
tempDf.select(columns)   //trying to get

我知道，如果它是一个字符串，我可以做类似的事情

val result = dataframe.select(columnNames.head, columnNames.tail: _*)

【问题讨论】：

您使用的是哪个版本的 Spark？ 1.6.0 提供def select(cols: Column*): DataFrame 应该做你想做的事？
我使用的是 2.0.0。我将如何利用它，因为我尝试选择一个列表 [Column] 和 Seq [Column]。这些都不起作用，我也看到了这种方法，但我无法使用它。我将如何分解该调用中的列表以使用它？
val result = dataframe.select(columns: _*)

标签： scala apache-spark

【解决方案1】：

对于 spark 2.0 似乎你有两个选择。两者都取决于您如何管理列（字符串或列）。

Spark 代码（spark-sql_2.11/org/apache/spark/sql/Dataset.scala）：

def select(cols: Column*): DataFrame = withPlan {
  Project(cols.map(_.named), logicalPlan)
}

def select(col: String, cols: String*): DataFrame = select((col +: cols).map(Column(_)) : _*)

您可以看到 spark 内部如何将您的 head & tail 转换为要再次调用的列列表 Select。

所以，如果你想要一个清晰的代码，我会推荐：

如果列：列表[字符串]：

import org.apache.spark.sql.functions.col
df.select(columns.map(col): _*)

否则，如果列：列表[列]：

df.select(columns: _*)

【讨论】：