scala – 如果一列是另一列的成员,如何过滤Spark数据帧

我有一个包含两列的数据帧(一个字符串和一个字符串数组)：

root
 |-- user: string (nullable = true)
 |-- users: array (nullable = true)
 |    |-- element: string (containsNull = true)

如何过滤数据框,以便结果数据框只包含用户在用户中的行？

解决方法

当然,这是可能的,而不是那么难.为此,您可以使用UDF.

import org.apache.spark.sql.functions._
import org.apache.spark.sql.types._

val df = sc.parallelize(Array(
  ("1",Array("1","2","3")),("2",("3","2"))
)).toDF("user","users")

val inArray = udf((id: String,array: scala.collection.mutable.WrappedArray[String]) => array.contains(id),BooleanType)

df.where(inArray($"user",$"users")).show()

输出是：

+----+------------+
|user|       users|
+----+------------+
|   1|   [1,2,3]|
|   2|[1,3]|
+----+------------+