web-dev-qa-db-ja.com

sparkの部分文字列で長さ関数を使用

DataFrameのサブストリング関数内で長さ関数を使用しようとしていますが、エラーが発生します

val substrDF = testDF.withColumn("newcol", substring($"col", 1, length($"col")-1))

以下はエラーです

 error: type mismatch;
 found   : org.Apache.spark.sql.Column
 required: Int

2.1を使用しています。

scalaapache-sparkdataframesubstringstring-length
8
satish

関数「expr」を使用できます。

val data = List("first", "second", "third")
val df = sparkContext.parallelize(data).toDF("value")
val result = df.withColumn("cutted", expr("substring(value, 1, length(value)-1)"))
result.show(false)

出力：

+------+------+
|value |cutted|
+------+------+
|first |firs  |
|second|secon |
|third |thir  |
+------+------+
18
pasha701

$ "COLUMN"も使用できます。 substr

val substrDF = testDF.withColumn("newcol", $"col".substr(lit(1), length($"col")-1))

出力：

val testDF = sc.parallelize(List("first", "second", "third")).toDF("col")
val result = testDF.withColumn("newcol", $"col".substr(org.Apache.spark.sql.functions.lit(1), length($"col")-1))
result.show(false)
+------+------+
|col   |newcol|
+------+------+
|first |firs  |
|second|secon |
|third |thir  |
+------+------+
10
shabbir hussain

substringの署名が

def substring(str: Column, pos: Int, len: Int): Column

渡すlen引数はColumnであり、Intでなければなりません。

おそらく、その問題を解決するために単純なUDFを実装することをお勧めします。

val strTail = udf((str: String) => str.substring(1))
testDF.withColumn("newCol", strTail($"col"))
1
elghoto

文字列の最後の文字を削除するだけであれば、UDFを使用せずに削除できます。 regexp_replaceを使用して：

testDF.show
+---+----+
| id|name|
+---+----+
|  1|abcd|
|  2|qazx|
+---+----+

testDF.withColumn("newcol", regexp_replace($"name", ".$" , "") ).show
+---+----+------+
| id|name|newcol|
+---+----+------+
|  1|abcd|   abc|
|  2|qazx|   qaz|
+---+----+------+
1
philantrovert