arrays - Scala 将 WrappedArray 或 Array[Any] 转换为 Array[String]

Question

我一直在尝试将 RDD 转换为数据帧。为此，需要定义类型而不是 Any。我正在使用 Spark MLLib PrefixSpan，这就是 freqSequence.sequence 的来源。我从一个数据框开始，其中包含 Session_ID、 View 和购买作为字符串数组:

viewsPurchasesGrouped: org.apache.spark.sql.DataFrame =
  [session_id: decimal(29,0), view_product_ids: array[string], purchase_product_ids: array[string]]

然后，我计算频繁模式并需要将它们放在数据框中，以便我可以将它们写入 Hive 表。

val viewsPurchasesRddString = viewsPurchasesGrouped.map( row => Array(Array(row(1)), Array(row(2)) ))

val prefixSpan = new PrefixSpan()
  .setMinSupport(0.001)
  .setMaxPatternLength(2)

val model = prefixSpan.run(viewsPurchasesRddString)

val freqSequencesRdd = sc.parallelize(model.freqSequences.collect())

case class FreqSequences(views: Array[String], purchases: Array[String], support: Long)

val viewsPurchasesDf = freqSequencesRdd.map( fs =>
  {   
  val views = fs.sequence(0)(0)
  val purchases = fs.sequence(1)(0)
  val freq = fs.freq
  FreqSequences(views, purchases, freq)
  }
)
viewsPurchasesDf.toDF() // optional

当我尝试运行此程序时，观看次数和购买次数为“任意”，而不是“数组[字符串]”。我拼命地尝试将它们转换，但我得到的最好的是数组[Any]。我想我需要将内容映射到字符串，我已经尝试过，例如这个:How to get an element in WrappedArray: result of Dataset.select("x").collect()?这是:How to cast a WrappedArray[WrappedArray[Float]] to Array[Array[Float]] in spark (scala)以及数千个其他 Stackoverflow 问题...

我真的不知道如何解决这个问题。我想我已经将初始数据帧/RDD 转换为很多，但无法理解在哪里。

Answer 1

我认为问题是你有一个DataFrame，它不保留静态类型信息。当您从 Row 中取出一个项目时，您必须明确告诉它您希望获得哪种类型。

未经测试，但根据您提供的信息推断:

import scala.collection.mutable.WrappedArray

val viewsPurchasesRddString = viewsPurchasesGrouped.map( row =>
  Array(
    Array(row.getAs[WrappedArray[String]](1).toArray), 
    Array(row.getAs[WrappedArray[String]](2).toArray)
  )
)