- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
我是 scala 的新手,我想为一个数据集迭代三个循环并执行一些分析。例如我的数据如下:
Sample.csv
1,100,0,NA,0,1,0,Friday,1,5
1,100,0,NA,0,1,0,Wednesday,1,9
1,100,1,NA,0,1,0,Friday,1,5
1,100,2,NA,0,1,0,Friday,1,5
1,101,0,NA,0,1,0,Friday,1,5
1,101,1,NA,0,1,0,Friday,1,5
1,101,2,NA,0,1,0,Friday,1,5
1,102,0,NA,0,1,0,Friday,1,5
1,102,1,NA,0,1,0,Friday,1,5
1,102,2,NA,0,1,0,Friday,1,5
所以现在我读到如下内容:
val data = sc.textFile("C:/users/ricky/Data.csv")
现在我需要在scala中对前三列实现一个过滤器来过滤整个数据的子集并做一些分析。例如前三列是要过滤的列。所以第一列 (1) 有一个值,第二列 (100,101,102) 有 3 个值,第三列 (0,1,2) 有 3 个值。所以现在我需要运行过滤器以提供整个数据的子集作为.使用像下面这样的循环好吗
for {
i <- 1
j <- 100 to 102
k <- 1 to 2
}
这应该需要像
这样的子集数据1,100,0,NA,0,1,0,Friday,1,5
1,100,0,NA,0,1,0,Wednesday,1,9
where i=1 ,j=100,and k=0
直到
1,102,2,NA,0,1,0,Friday,1,5
where i=1 ,j=102,and k=2
我如何在 Scala 中运行数据(我从 CSV 中读取)。
最佳答案
从文本csv文件中读取后,您可以使用filter
过滤您想要的数据
val tempData = data.map(line => line.split(","))
tempData.filter(array => array(0) == "1" && array(1) == "100" && array(2) == "0").foreach(x => println(x.mkString(",")))
这会给你结果
1,100,0,NA,0,1,0,Friday,1,5
1,100,0,NA,0,1,0,Wednesday,1,9
你可以对其他情况做同样的事情
数据框 api
为了简单起见,您可以使用 dataframe
api,比 rdd 优化等等。第一步是将 csv 读取为 dataframe
作为
val df = sqlContext.read.format("com.databricks.spark.csv").load("path to csv file")
你会有
+---+---+---+---+---+---+---+---------+---+---+
|_c0|_c1|_c2|_c3|_c4|_c5|_c6|_c7 |_c8|_c9|
+---+---+---+---+---+---+---+---------+---+---+
|1 |100|0 |NA |0 |1 |0 |Friday |1 |5 |
|1 |100|0 |NA |0 |1 |0 |Wednesday|1 |9 |
|1 |100|1 |NA |0 |1 |0 |Friday |1 |5 |
|1 |100|2 |NA |0 |1 |0 |Friday |1 |5 |
|1 |101|0 |NA |0 |1 |0 |Friday |1 |5 |
|1 |101|1 |NA |0 |1 |0 |Friday |1 |5 |
|1 |101|2 |NA |0 |1 |0 |Friday |1 |5 |
|1 |102|0 |NA |0 |1 |0 |Friday |1 |5 |
|1 |102|1 |NA |0 |1 |0 |Friday |1 |5 |
|1 |102|2 |NA |0 |1 |0 |Friday |1 |5 |
+---+---+---+---+---+---+---+---------+---+---+
然后你可以使用 filter
api as in rdd as
import sqlContext.implicits._
val df1 = df.filter($"_c0" === "1" && $"_c1" === "100" && $"_c2" === "0")
你应该有
+---+---+---+---+---+---+---+---------+---+---+
|_c0|_c1|_c2|_c3|_c4|_c5|_c6|_c7 |_c8|_c9|
+---+---+---+---+---+---+---+---------+---+---+
|1 |100|0 |NA |0 |1 |0 |Friday |1 |5 |
|1 |100|0 |NA |0 |1 |0 |Wednesday|1 |9 |
+---+---+---+---+---+---+---+---------+---+---+
您甚至可以定义 schema
来获得您想要的列名。
已编辑
在下面回答您的评论,这完全取决于您输出的内容
scala> val temp = tempData.filter(array => array(0) == "1" && array(1).toInt == "100" && array(2).toInt == "0").map(x => x.mkString(","))
temp: org.apache.spark.rdd.RDD[String] = MapPartitionsRDD[12] at map at <console>:28
scala> tempData.filter(array => array(0) == "1" && array(1).toInt == "100" && array(2).toInt == "0")
res9: org.apache.spark.rdd.RDD[Array[String]] = MapPartitionsRDD[13] at filter at <console>:29
我希望它清楚。
关于scala - Scala中如何根据三列过滤数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45046704/
我有一些 Scala 代码,它用两个不同版本的类型参数化函数做了一些漂亮的事情。我已经从我的应用程序中简化了很多,但最后我的代码充满了形式 w(f[Int],f[Double]) 的调用。哪里w()是
如果我在同一目录中有两个单独的未编译的 scala 文件: // hello.scala object hello { def world() = println("hello world") }
val schema = df.schema val x = df.flatMap(r => (0 until schema.length).map { idx => ((idx, r.g
环境: Play 2.3.0/Scala 2.11.1/IntelliJ 13.1 我使用 Typesafe Activator 1.2.1 用 Scala 2.11.1 创建一个新项目。项目创建好后
我只是想知道如何使用我自己的类扩展 Scala 控制台和“脚本”运行程序,以便我可以通过使用实际的 Scala 语言与其通信来实际使用我的代码?我应将 jar 放在哪里,以便无需临时配置即可从每个 S
我已经根据 README.md 文件安装了 ensime,但是,我在低级 ensime-server 缓冲区中出现以下错误: 信息: fatal error :scala.tools.nsc.Miss
我正在阅读《Scala 编程》一书。在书中,它说“一个函数文字被编译成一个类,当在运行时实例化时它是一个函数值”。并且它提到“函数值是对象,因此您可以根据需要将它们存储在变量中”。 所以我尝试检查函数
我有 hello world scala native 应用程序,想对此应用程序运行小型 scala 测试我使用通常的测试命令,但它抛出异常: NativeMain.scala object Nati
有few resources在网络上,在编写与代码模式匹配的 Scala 编译器插件方面很有指导意义,但这些对生成代码(构建符号树)没有帮助。我应该从哪里开始弄清楚如何做到这一点? (如果有比手动构建
我是 Scala 的新手。但是,我用 创建了一个中等大小的程序。斯卡拉 2.9.0 .现在我想使用一个仅适用于 的开源库斯卡拉 2.7.7 . 是吗可能 在我的 Scala 2.9.0 程序中使用这个
有没有办法在 Scala 2.11 中使用 scala-pickling? 我在 sonatype 存储库中尝试了唯一的 scala-pickling_2.11 工件,但它似乎不起作用。我收到消息:
这与命令行编译器选项无关。如何以编程方式获取代码内的 Scala 版本? 或者,Eclipse Scala 插件 v2 在哪里存储 scalac 的路径? 最佳答案 这无需访问 scala-compi
我正在阅读《Scala 编程》一书,并在第 6 章中的类 Rational 实现中遇到了一些问题。 这是我的 Rational 类的初始版本(基于本书) class Rational(numerato
我是 Scala 新手,我正在尝试开发一个使用自定义库的小项目。我在库内创建了一个mysql连接池。这是我的库的build.sbt organization := "com.learn" name :
我正在尝试运行一些 Scala 代码,只是暂时打印出“Hello”,但我希望在 SBT 项目中编译 Scala 代码之前运行 Scala 代码。我发现在 build.sbt 中有以下工作。 compi
Here链接到 maven Scala 插件使用。但没有提到它使用的究竟是什么 Scala 版本。我创建了具有以下配置的 Maven Scala 项目: org.scala-tools
我对 Scala 还很陌生,请多多包涵。我有一堆包裹在一个大数组中的 future 。 future 已经完成了查看几 TB 数据的辛勤工作,在我的应用程序结束时,我想总结上述 future 的所有结
我有一个 scala 宏,它依赖于通过包含其位置的静态字符串指定的任意 xml 文件。 def myMacro(path: String) = macro myMacroImpl def myMacr
这是我的功能: def sumOfSquaresOfOdd(in: Seq[Int]): Int = { in.filter(_%2==1).map(_*_).reduce(_+_) } 为什么我
这个问题在这里已经有了答案: Calculating the difference between two Java date instances (45 个答案) 关闭 5 年前。 所以我有一个这
我是一名优秀的程序员,十分优秀!