- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
转换 Spark 数据帧
+----+---------+------+
|name|date |amount|
+----+---------+------+
|Jhon|4/6/2018 | 100 |
|Jhon|4/6/2018 | 200 |
+----+---------+------+
|Jhon|4/13/2018| 300|
+----+---------+------+
|Jhon|4/20/2018 | 500|
+----+---------+------+
|Lee |5/4/2018 | 100 |
+----+---------+------+
|Lee |4/4/2018 | 200 |
+----+---------+------+
|Lee |5/4/2018 | 300 |
+----+---------+------+
|Lee |4/11/2018 | 700|
+----+---------+------+
到预期的数据框:
+----+---------+------+
|name|date |amount|
+----+---------+------+
|Jhon|4/6/2018 | 100 |
|Jhon|4/6/2018 | 200 |
+----+---------+------+
|Jhon|4/13/2018| 100|
+----+---------+------+
|Jhon|4/13/2018| 200|
+----+---------+------+
|Jhon|4/13/2018| 300|
+----+---------+------+
|Jhon|4/20/2018 | 100 |
+----+---------+------+
|Jhon|4/20/2018 | 200|
+----+---------+------+
|Jhon|4/20/2018| 300|
+----+---------+------+
|Jhon|4/20/2018 | 500|
+----+---------+------+
|Lee |5/4/2018 | 100 |
+----+---------+------+
|Lee |5/4/2018 | 200 |
+----+---------+------+
|Lee |5/4/2018 | 300 |
+----+---------+------|
|Lee |5/11/2018 | 100|
+----+---------+------+
|Lee |4/11/2018 | 200|
+----+---------+------+
|Lee |5/11/2018 | 300|
+----+---------+------+
|Lee |4/11/2018 | 700|
+----+---------+------+
所以这里 300 是 04/13/2018
的新值,来自 04/06/2018
的 100,200 也将显示 04/13/2018
,对于不同名称的下周五日期类似。我们有什么办法可以在 Spark Scala 中做到这一点吗? 任何帮助将不胜感激。
我的代码仅适用于姓名“John”和 foFridayfriday 日期 “4/6/2018”
和 4/13/2018
def main(args: Array[String]){
val conf = new SparkConf().setAppName("Excel-read-write").setMaster("local")
val sc = new SparkContext(conf)
val sqlc = new org.apache.spark.sql.SQLContext(sc)
val ss = SparkSession.builder().master("local").appName("Excel-read-write").getOrCreate()
import ss.sqlContext.implicits._
var df1 = sqlc.read.format("com.databricks.spark.csv")
.option("header", "true")
.option("inferSchema", "true")
.load("oldRecords.csv")
df1.show(false)
println("---- df1 row count ----"+df1.count())
if(df1.count()>0){
for (i <- 0 until (df1.count().toInt)-1) {
var df2 = df1.unionAll(df1)//.union(df1)//df3
//df2.show(false)
var w1 = org.apache.spark.sql.expressions.Window.orderBy("date")
var df3 = df2.withColumn("previousAmount", lag("amount",1).over(w1)).withColumn("newdate", lag("date",1).over(w1))
// df3.show(false)
var df4 = df3.filter((df3.col("newdate").isNotNull))//(df3.col("new_date").isNotNull)
//df4.show(false)
var df5 = df4.select("name","amount","newdate").distinct()
println("-----------"+df5.show(false))
df1 = df5.withColumnRenamed("newdate", "date")
}
}
}
最佳答案
根据您的问题,如果您尝试将所有 week
添加到该 name
的最高日期。这是您可以执行的操作。
import org.apache.spark.sql.functions._
import org.apache.spark.sql.expressions.Window
import org.joda.time.LocalDate
// input data
val dataDF = Seq(
("Jhon", "4/6/2018", 100),
("Jhon", "4/6/2018", 200),
("Jhon", "4/13/2018", 300),
("Jhon", "4/20/2018", 500),
("Lee", "5/4/2018", 100),
("Lee", "4/4/2018", 200),
("Lee", "5/4/2018", 300),
("Lee", "4/11/2018", 700)
).toDF("name", "date", "amount")
.withColumn("date", to_date($"date", "MM/dd/yyyy"))
val window = Window.partitionBy($"name")
//find the maximum date of each name
val df = dataDF.withColumn("maxDate", max($"date").over(window))
创建一个 UDF
以查找两周之间的所有周
val calculateDate = udf((min: String, max: String) => {
// to collect all the dates
val totalDates = scala.collection.mutable.MutableList[LocalDate]()
var start = LocalDate.parse(min)
val end = LocalDate.parse(max)
while ( {
!start.isAfter(end)
}) {
totalDates += start
start = start.plusWeeks(1)
}
totalDates.map(_.toString("MM/dd/yyyy"))
})
现在应用UDF
并分解
从UDF
中获得的array
val finalDf = df.withColumn("date", explode(calculateDate($"date", $"maxDate")))
.drop("maxDate")
输出:
+----+----------+------+
|name|date |amount|
+----+----------+------+
|Jhon|04/06/2018|100 |
|Jhon|04/13/2018|100 |
|Jhon|04/20/2018|100 |
|Jhon|04/06/2018|200 |
|Jhon|04/13/2018|200 |
|Jhon|04/20/2018|200 |
|Jhon|04/13/2018|300 |
|Jhon|04/20/2018|300 |
|Jhon|04/20/2018|500 |
|Lee |05/04/2018|100 |
|Lee |04/04/2018|200 |
|Lee |04/11/2018|200 |
|Lee |04/18/2018|200 |
|Lee |04/25/2018|200 |
|Lee |05/02/2018|200 |
|Lee |05/04/2018|300 |
|Lee |04/11/2018|700 |
|Lee |04/18/2018|700 |
|Lee |04/25/2018|700 |
|Lee |05/02/2018|700 |
+----+----------+------+
希望对您有所帮助!
关于scala - 在spark Scala的新行中添加两个日期之间的所有日期(周),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49850804/
我想知道有没有可能做 new PrintWriter(new BufferedWriter(new PrintWriter(s.getOutputStream, true))) 在 Java 中,s
我正在尝试使用 ConcurrentHashMap 初始化 ConcurrentHashMap private final ConcurrentHashMap > myMulitiConcurrent
我只是想知道两个不同的新对象初始化器之间是否有任何区别,还是仅仅是语法糖。 因此: Dim _StreamReader as New Streamreader(mystream) 与以下内容不同: D
在 C++ 中,以下两种动态对象创建之间的确切区别是什么: A* pA = new A; A* pA = new A(); 我做了一些测试,但似乎在这两种情况下,都调用了默认构造函数,并且只调用了它。
我已经阅读了其他帖子,但它们没有解决我的问题。环境为VB 2008(2.0 Framework)下面的代码在 xslt.Load 行导致 XSLT 编译错误下面是错误的输出。我将 XSLT 作为字符串
我想知道为什么alert(new Boolean(false))打印 false 而不是打印对象,因为 new Boolean 应该返回对象。如果我使用 console.log(new Boolean
本文实例讲述了Python装饰器用法。分享给大家供大家参考,具体如下: 写装饰器 装饰器只不过是一种函数,接收被装饰的可调用对象作为它的唯一参数,然后返回一个可调用对象(就像前面的简单例子) 注
我可以编写 YAML header 来使用 knit 为 R Markdown 文件生成多种输出格式吗?我无法重现 the original question with this title 的答案中
我可以编写一个YAML标头以使用knitr为R Markdown文件生成多种输出格式吗?我无法重现the original question with this title答案中描述的功能。 这个降价
我正在使用vars package可视化脉冲响应。示例: library(vars) Canada % names ir % `$`(irf) %>% `[[`(variables[e])) %>%
我有一个容器类,它有一个通用参数,该参数被限制到某个基类。提供给泛型的类型是基类约束的子类。子类使用方法隐藏(新)来更改基类方法的行为(不,我不能将其设为虚拟,因为它不是我的代码)。我的问题是"new
Java 在提示! cannot find symbol symbol : constructor Bar() location: class Bar JPanel panel =
在我的应用程序中,一个新的 Activity 从触摸按钮(而不是点击)开始,而且我没有抬起手指并希望在新的 Activity 中跟踪触摸的 Action 。第二个 Activity 中的触摸监听器不响
已关闭。此问题旨在寻求有关书籍、工具、软件库等的建议。不符合Stack Overflow guidelines .它目前不接受答案。 我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题,
和我的last question ,我的程序无法检测到一个短语并将其与第一行以外的任何行匹配。但是,我已经解决并回答了。但现在我需要一个新的 def函数,它删除某个(给定 refName )联系人及其
这个问题在这里已经有了答案: Horizontal list items (7 个答案) 关闭 9 年前。
我想创建一个新的 float 类型,大小为 128 位,指数为 4 字节(32 位),小数为 12 字节(96 位),我该怎么做输入 C++,我将能够在其中进行输入、输出、+、-、*、/操作。 [我正
我在放置引用计数指针的实例时遇到问题 类到我的数组类中。使用调试器,似乎永远不会调用构造函数(这会扰乱引用计数并导致行中出现段错误)! 我的 push_back 函数是: void push_back
我在我们的代码库中发现了经典的新建/删除不匹配错误,如下所示: char *foo = new char[10]; // do something delete foo; // instead of
A *a = new A(); 这是创建一个指针还是一个对象? 我是一个 c++ 初学者,所以我想了解这个区别。 最佳答案 两者:您创建了一个新的 A 实例(一个对象),并创建了一个指向它的名为 a
我是一名优秀的程序员,十分优秀!