scala - 如何在 Spark 1.5 中转置数据帧(没有可用的枢轴运算符)？

Question

我想使用没有 Pivot 函数的 spark scala 转置下表

我正在使用 Spark 1.5.1，但 1.5.1 不支持 Pivot 功能。请建议合适的方法转置下表:

Customer Day   Sales
1        Mon    12
1        Tue    10
1        Thu    15
1        Fri     2
2        Sun    10
2        Wed     5
2        Thu     4
2        Fri     3

输出表:

Customer Sun Mon Tue Wed Thu Fri
   1      0   12  10   0  15  2
   2     10    0   0   5  4   3

以下代码无法正常工作，因为我使用的是 Spark 1.5.1，而 Spark 1.6 提供了枢轴函数:

    var Trans = Cust_Sales.groupBy("Customer").Pivot("Day").sum("Sales")

Answer 1

不确定效率如何，但您可以使用 collect 获取所有不同的日期，然后添加这些列，然后使用 groupBy 和 sum :

// get distinct days from data (this assumes there are not too many of them):
val days: Array[String] = df.select("Day")
    .distinct()
    .collect()
    .map(_.getAs[String]("Day"))

// add column for each day with the Sale value if days match:
val withDayColumns = days.foldLeft(df) { 
    case (data, day) => data.selectExpr("*", s"IF(Day = '$day', Sales, 0) AS $day")
}

// wrap it up 
val result = withDayColumns
   .drop("Day")
   .drop("Sales")
   .groupBy("Customer")
   .sum(days: _*)

result.show()

打印(几乎)您想要的内容:

+--------+--------+--------+--------+--------+--------+--------+
|Customer|sum(Tue)|sum(Thu)|sum(Sun)|sum(Fri)|sum(Mon)|sum(Wed)|
+--------+--------+--------+--------+--------+--------+--------+
|       1|      10|      15|       0|       2|      12|       0|
|       2|       0|       4|      10|       3|       0|       5|
+--------+--------+--------+--------+--------+--------+--------+

如果需要，我会留给您重命名/重新排序列。