Pyspark中带有IN子句的语句时的情况

Question

我是Spark编程的新手，当我的输入中出现一组值时，会有一个方案来分配值。下面是我用来完成我的任务的传统SQL代码。需要在Spark中做同样的事情。

的SQL代码：

SELECT CASE WHEN c.Number IN ('1121231', '31242323') THEN 1 
ELSE 2 END AS Test 
FROM Input c 

我知道火花使用when只有一个条件。

Input.select(when(Input.Number==1121231,1).otherwise(2).alias("Test")).show() 

Answer 1

我假设你正在使用Spark DataFrame而不是RDDs。有一点要注意的是，你可以在数据框直接运行SQL查询：

# register the DataFrame so we can refer to it in queries 
sqlContext.registerDataFrameAsTable(df, "df") 

# put your SQL query in a string 
query = """SELECT CASE WHEN 
    df.number IN ('1121231', '31242323') THEN 1 ELSE 2 END AS test 
    FROM df""" 

result = sqlContext.sql(query) 
result.show() 

您也可以通过创建一个user-defined function模仿您的查询的情况下语句中使用select：

from pyspark.sql.types import * 
from pyspark.sql.functions import udf 

# need to pass inner function through udf() so it can operate on Columns 
# also need to specify return type 
column_in_list = udf(
    lambda column: 1 if column in ['1121231', '31242323'] else 2, 
    IntegerType() 
) 

# call function on column, name resulting column "transformed" 
result = df.select(column_in_list(df.number).alias("transformed")) 
result.show()