Spark - Scala - 用来自另一个数据帧的查找值替换数据帧中的值

Question

我正在 Databricks 上使用 Spark。编程语言是 Scala。

我有两个数据框：

• 主要数据框：见截图：1
• 查找数据框：见截图3

我想：

• 在主数据框中查找“Age”==-1 的所有行
• 查看该行的“title”值
• 在数据框 2 中查看具有此头衔的人的平均年龄是多少
• 使用此值更新主数据框中的年龄。

我对如何做到这一点感到头疼。我想出的唯一方法是将数据框存储为数据块中的表并使用 SQL 语句（sql.Context.Sql ...），这最终变得非常复杂。

我想知道是否有更有效的方法来做到这一点。

编辑：添加可重现的示例

import org.apache.spark.sql.functions._
val df = sc.parallelize(Seq(("Fred", 20, "Intern"), ("Linda", -1, "Manager"),  ("Sean", 23, "Junior Employee"), ("Walter", 35, "Manager"), ("Kate", -1, "Junior Employee"), ("Kathrin", 37, "Manager"), ("Bob", 16, "Intern"), ("Lukas", 24, "Junionr Employee")))
    .toDF("Name", "Age", "Title")

println("Data Frame DF")
df.show();


val avgAge = df.filter("Age!=-1").groupBy("Title").agg(avg("Age").alias("avg_age")).toDF()
println("Average Ages")
avgAge.show()

println("Missing Age")
val noAge = df.filter("Age==-1").toDF()
noAge.show()

感谢 Karol Sudol 的解决方案

val imputedAges = df.filter("Age == -1").join(avgAge, Seq("Title")).select(col("Name"),col("avg_age"), col("Title") )
imputedAges.show()

val finalDF= imputedAges.union(df.filter("Age!=-1"))
println("FinalDF")
finalDF.show()

Answer 1

val df = dfMain.filter("age == -1").join(dfLookUp, Seq("title")).select(col("title"), col("avg"), ......)

如果您想保留任何其他值，请在下一步中使用 left/right/outer join 和 main DF。

浏览教程：databricks training