Spark SQL中列转行（UNPIVOT）的两种方法

最新推荐文章于 2024-07-23 15:38:58 发布

传超数工

最新推荐文章于 2024-07-23 15:38:58 发布

阅读量1.8k

点赞数 2

分类专栏： spark 文章标签： spark

原文链接：https://www.cnblogs.com/hhelibeb/p/10310369.html#_label0

版权

spark 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

行列之间的互相转换是ETL中的常见需求，在Spark SQL中，行转列有内建的PIVOT函数可用，没什么特别之处。而列转行要稍微麻烦点。本文整理了2种可行的列转行方法，供参考。

1 测试数据准备
本文的环境是Windows 10, Spark 2.4，开发语言是Python。首先构建一点初始测试数据，

from pyspark.sql import SparkSession

spark = SparkSession.builder.appName('TestAPP').enableHiveSupport().getOrCreate()

df = spark.createDataFrame([('数学','张三',88), ('语文','张三',92), ('英语','张三',77),
                            ('数学','王五',65), ('语文','王五',87), ('英语','王五',90),
                            ('数学','李雷',67), ('语文','李雷',33), ('英语','李雷',24),
                            ('数学','宫九',77), ('语文','宫九',87), ('英语','宫九',90)
                           ], ['科目','姓名','分数']).orderBy('科目')

df.show()

执行程序，可以看到数据如下，

+----+----+----+
    |科目|姓名|分数|
    +----+----+----+
    |数学|张三|  88|
    |数学|李雷|  67|
    |数学|宫九|  77|
    |数学|王五|  65|
    |英语|张三|  77|
    |英语|宫九|  90|
    |英语|李雷|  24|
    |英语|王五|  90|
    |语文|李雷|  33|
    |语文|宫九|  87|
    |语文|张三|  92|
    |语文|王五|  87|
    +----+----+----+

2 行转列
如上述，使用PIVOT函数即可实现行转列，

df.createOrReplaceTempView('scores')

sql_content = '''select * from scores 
                 pivot
                 (
                     sum(`分数`) for
                     `姓名` in ('张三','王五','李雷','宫九')
                 )          
              '''

df_pivot = spark.sql(sql_content)
df_pivot.show()

得到结果，

+----+----+----+----+----+
|科目|张三|王五|李雷|宫九|
+----+----+----+----+----+
|数学|  88|  65|  67|  77|
|英语|  77|  90|  24|  90|
|语文|  92|  87|  33|  87|
+----+----+----+----+----+

3 列转行
本文整理的两种办法是使用Spark中的stack函数和lateral view + explode函数，

3.1 stack()
stack(n, expr1, …, exprk) - 会将expr1, …, exprk 分割为n行.

df_pivot.createOrReplaceTempView('v_pivot')

sql_content = '''select `科目`,
                 stack(4, '张三', `张三`, '王五', `王五`, '李雷', `李雷`, '宫九', `宫九`) as (`姓名`, `分数` )
                 from  v_pivot             
              '''

df_unpivot1 = spark.sql(sql_content)

df_unpivot1.show()

可以看到，结果的结构和初始数据的结构相同，

+----+----+----+
|科目|姓名|分数|
+----+----+----+
|数学|张三|  88|
|数学|王五|  65|
|数学|李雷|  67|
|数学|宫九|  77|
|英语|张三|  77|
|英语|王五|  90|
|英语|李雷|  24|
|英语|宫九|  90|
|语文|张三|  92|
|语文|王五|  87|
|语文|李雷|  33|
|语文|宫九|  87|
+----+----+----+

3.2 lateral view + explode()
explode函数可以把数组分割为多行，比如，

> SELECT explode(array(10, 20));
 10
 20

lateral view使用表生成函数将每个输入行转换为0或多个输出行。最常见的用法是和explode函数一起使用。

sql_content = '''select `科目`, split(temp1, ':')[0] as `姓名`, split(temp1, ':')[1] as `分数`
                 from(               
                   select `科目`, concat(
                                     '张三:', `张三`, ',',
                                     '王五:', `王五`, ',',
                                     '李雷:', `李雷`, ',',
                                     '宫九:', `宫九`
                                     )  temp
                   from v_pivot
                 ) lateral view explode(split(temp, ',')) as temp1
              '''
df_unpivot2 = spark.sql(sql_content)

df_unpivot2.show()

结果同上，

+----+----+----+
|科目|姓名|分数|
+----+----+----+
|数学|张三|  88|
|数学|王五|  65|
|数学|李雷|  67|
|数学|宫九|  77|
|英语|张三|  77|
|英语|王五|  90|
|英语|李雷|  24|
|英语|宫九|  90|
|语文|张三|  92|
|语文|王五|  87|
|语文|李雷|  33|
|语文|宫九|  87|
+----+----+----+