如何使用Scala的DataFrame比较表中的每一列

问题描述

有两个表；一个是ID表1，另一个是属性表2.

There are two tables; one is ID Table 1 and the other is Attribute Table 2.

表1

表2

如果表1中同一行的ID具有相同的属性，则得到数字1，否则得到0.最后，得到结果表3.

If the IDs the same row in Table 1 has same attribrte, then we get number 1, else we get 0. Finally, we get the result Table 3.

表3

例如，id1和id2具有不同的颜色和大小，因此id1和id2行(表3中的第二行)具有"id1 id2 0 0"；

For example, id1 and id2 have different color and size, so the id1 and id2 row(2nd row in Table 3) has "id1 id2 0 0";

id1和id3具有相同的颜色和不同的大小，因此id1和id3行(表3中的第3行)具有"id1 id3 1 0";

id1 and id3 have same color and different size, so the id1 and id3 row(3nd row in Table 3) has "id1 id3 1 0";

相同属性--- 1不同的属性--0

Same attribute---1Different attribute---0

如何使用Scala数据框获得结果表3?

How can I get the result Table 3 using Scala dataframe?

推荐答案

这应该可以解决问题

import spark.implicits._

val t1 = List(
  ("id1","id2"),
  ("id1","id3"),
  ("id2","id3")
).toDF("id_x", "id_y")

val t2 = List(
  ("id1","blue","m"),
  ("id2","red","s"),
  ("id3","blue","s")
).toDF("id", "color", "size")

t1
  .join(t2.as("x"), $"id_x" === $"x.id", "inner")
  .join(t2.as("y"), $"id_y" === $"y.id", "inner")
  .select(
    'id_x,
    'id_y,
    when($"x.color" === $"y.color",1).otherwise(0).alias("color").cast(IntegerType),
    when($"x.size" === $"y.size",1).otherwise(0).alias("size").cast(IntegerType)
  )
  .show()

结果:

+----+----+-----+----+
|id_x|id_y|color|size|
+----+----+-----+----+
| id1| id2|    0|   0|
| id1| id3|    1|   0|
| id2| id3|    0|   1|
+----+----+-----+----+

这篇关于如何使用Scala的DataFrame比较表中的每一列的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！