火花< = 1.5
它或多或少等價於SQL表別名:
SELECT *
FROM table AS alias;
實施例的使用適於從PySpark alias
documentation:
import org.apache.spark.sql.functions.col
case class Person(name: String, age: Int)
val df = sqlContext.createDataFrame(
Person("Alice", 2) :: Person("Bob", 5) :: Nil)
val df_as1 = df.as("df1")
val df_as2 = df.as("df2")
val joined_df = df_as1.join(
df_as2, col("df1.name") === col("df2.name"), "inner")
joined_df.select(
col("df1.name"), col("df2.name"), col("df2.age")).show
輸出:
+-----+-----+---+
| name| name|age|
+-----+-----+---+
|Alice|Alice| 2|
| Bob| Bob| 5|
+-----+-----+---+
同樣的事情,使用SQL查詢:
df.registerTempTable("df")
sqlContext.sql("""SELECT df1.name, df2.name, df2.age
FROM df AS df1 JOIN df AS df2
ON df1.name == df2.name""")
什麼是這種方法的目的是什麼?
非常多避免含糊不清的列引用。
星火1.6+
還有一個新的as[U](implicit arg0: Encoder[U]): Dataset[U]
這是用來轉換DataFrame
到DataSet
給定類型的。例如:
df.as[Person]
謝謝。我有一個印象,它用於以某種方式別名列。我會發佈一個關於這個問題的問題。 –