scala - Spark-Scala : not a member of org. apache.spark.sql.Row

Question

我正在尝试将数据帧转换为RDD，然后执行以下一些操作以返回元组:

df.rdd.map { t=>
 (t._2 + "_" + t._3 , t)
}.take(5)

然后我得到下面的错误。有人有主意吗？谢谢!

<console>:37: error: value _2 is not a member of org.apache.spark.sql.Row
               (t._2 + "_" + t._3 , t)
                  ^

Answer 1

当您将DataFrame转换为RDD时，您会得到一个RDD[Row]，因此，当您使用map时，您的函数会收到一个Row作为参数。因此，必须使用Row方法访问其成员(请注意，索引从0开始):

df.rdd.map { 
  row: Row => (row.getString(1) + "_" + row.getString(2), row)
}.take(5)

您可以查看更多示例，并在 Spark scaladoc中检查可用于 Row对象的所有方法。

编辑:我不知道执行此操作的原因，但是对于连接DataFrame的String列，您可以考虑以下选项:

import org.apache.spark.sql.functions._
val newDF = df.withColumn("concat", concat(df("col2"), lit("_"), df("col3")))