scala - 如何将函数应用于 Spark DataFrame 的列？

Question

假设我们有一个 Spark DataFrame

df.getClass
Class[_ <: org.apache.spark.sql.DataFrame] = class org.apache.spark.sql.DataFrame

具有以下架构

df.printSchema
root
|-- rawFV: string (nullable = true)
|-- tk: array (nullable = true)
|    |-- element: string (containsNull = true)

鉴于 tk 的每一行column 是一个字符串数组，如何编写一个 Scala 函数来返回每行中的元素数？

Answer 1

您不必编写自定义函数，因为有一个:

import org.apache.spark.sql.functions.size

df.select(size($"tk"))

如果你真的想要你可以写一个 udf :

import org.apache.spark.sql.functions.udf

val size_ = udf((xs: Seq[String]) => xs.size)

甚至创建自定义表达式，但这真的没有意义。