spark 宽表 mysql_spark精选代码一,行列转换即宽表窄表转换

不定期上代码干货

spark列转行

from pyspark import SparkContext, SparkConf

from pyspark.sql import SparkSession, SQLContext, Row, functions as F

from pyspark.sql.functions import array, col, explode, struct, lit

conf = SparkConf().setAppName("test").setMaster("local[*]")

sc = SparkContext(conf=conf)

spark = SQLContext(sc)

# df is datasource, by will exclude column

def df_columns_to_line(df, by):

# Filter dtypes and split into column names and type description

df_a = df.select([col(c).cast("string") for c in df.columns])

cols, dtypes = zip(*((c, t) for (c, t) in df_a.dtypes if c not in by))

# Spark SQL supports only homogeneous columns

assert len(set(dtypes)) == 1, "All columns have to be of the same type"

# Create and explode an array of (column_name, column_value) structs

kvs = explode(array([

struct(lit(c).alias("feature"), col(c).alias("value")) for c in cols

])).alias("kvs")

return df_a.select(by + [kvs]).select(by + ["kvs.feature", "kvs.value"])

df = sc.parallelize([(1, 0.0, 0.6), (1, 0.6, 0.7)]).toDF(["A", "col_1", "col_2"])

df_row_data = df_columns_to_line(df, ["A"])

df.show()

df_row_data.show()

>>> df.show()

+---+-----+-----+

| A|col_1|col_2|

+---+-----+-----+

| 1| 0.0| 0.6|

| 1| 0.6| 0.7|

+---+-----+-----+

>>> df_row_data.show()

+---+-------+-----+

| A|feature|value|

+---+-------+-----+

| 1| col_1| 0.0|

| 1| col_2| 0.6|

| 1| col_1| 0.6|

| 1| col_2| 0.7|

+---+-------+-----+

注意feature和value是原多列名转换为行数据后,重新定义的最终两列名

spark行转列

df_features = df_row_data.select('feature').distinct().collect()

features = map(lambda r:r.feature, df_features)

df_column_data = df_row_data.groupby("A").pivot('feature', features).agg(F.first('value', ignorenulls=True))

df_column_data.show()

+---+-----+-----+

| A|col_2|col_1|

+---+-----+-----+

| 1| 0.6| 0.0|

+---+-----+-----+

行转列比较简单,在上文结果基础上直接转换,关键是pivot函数的使用

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
提供的源码资源涵盖了安卓应用、小程序、Python应用和Java应用等多个领域,每个领域都包含了丰富的实例和项目。这些源码都是基于各自平台的最新技术和标准编写,确保了在对应环境下能够无缝运行。同时,源码中配备了详细的注释和文档,帮助用户快速理解代码结构和实现逻辑。 适用人群: 这些源码资源特别适合大学生群体。无论你是计算机相关专业的学生,还是对其他领域编程感兴趣的学生,这些资源都能为你提供宝贵的学习和实践机会。通过学习和运行这些源码,你可以掌握各平台开发的基础知识,提升编程能力和项目实战经验。 使用场景及目标: 在学习阶段,你可以利用这些源码资源进行课程实践、课外项目或毕业设计。通过分析和运行源码,你将深入了解各平台开发的技术细节和最佳实践,逐步培养起自己的项目开发和问题解决能力。此外,在求职或创业过程中,具备跨平台开发能力的大学生将更具竞争力。 其他说明: 为了确保源码资源的可运行性和易用性,特别注意了以下几点:首先,每份源码都提供了详细的运行环境和依赖说明,确保用户能够轻松搭建起开发环境;其次,源码中的注释和文档都非常完善,方便用户快速上手和理解代码;最后,我会定期更新这些源码资源,以适应各平台技术的最新发展和市场需求。
Spark是一个开源的大数据处理框架,它提供了丰富的API和工具,用于处理大规模数据集。在Spark中,行列转换是指将数据从行格式转换为列格式,或者从列格式转换为行格式。下面是一个示例代码,用于实现Spark中的行列转换: ```scala import org.apache.spark.sql.{SparkSession, DataFrame} // 创建SparkSession val spark = SparkSession.builder() .appName("RowColumnTransformation") .master("local") .getOrCreate() // 创建示例数据集 val data = Seq( (1, "Alice", 25), (2, "Bob", 30), (3, "Charlie", 35) ) // 将数据集转换为DataFrame val df = spark.createDataFrame(data).toDF("id", "name", "age") // 行转列 val columnNames = df.columns val rowToColumnDF = df.selectExpr(s"stack(${columnNames.length}, ${columnNames.mkString(",")}) as (column, value)") .groupBy("column") .pivot("column") .agg(first("value")) // 列转行 val columnToRowDF = rowToColumnDF.selectExpr(s"stack(${columnNames.length}, ${columnNames.map(c => s"'$c', `$c`").mkString(",")}) as (column, value)") .groupBy("column") .pivot("column") .agg(first("value")) // 打印结果 println("行转列结果:") rowToColumnDF.show() println("列转行结果:") columnToRowDF.show() ``` 这段代码首先创建了一个SparkSession对象,然后创建了一个示例数据集。接下来,使用`createDataFrame`方法将数据集转换为DataFrame,并指定列名。然后,通过使用`selectExpr`、`groupBy`和`pivot`等方法实现了行转列和列转行的操作。最后,使用`show`方法打印结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值