spark中如何实现行列转换即宽表窄表转换

spark中如何实现行列转换即宽表窄表转换，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

不定期上代码干货

spark列转行

from pyspark import SparkContext, SparkConf from pyspark.sql import SparkSession, SQLContext, Row, functions as F from pyspark.sql.functions import array, col, explode, struct, lit conf = SparkConf().setAppName("test").setMaster("local[*]") sc = SparkContext(conf=conf) spark = SQLContext(sc) # df is datasource, by will exclude column def df_columns_to_line(df, by):     # Filter dtypes and split into column names and type description     df_a = df.select([col(c).cast("string") for c in df.columns])     cols, dtypes = zip(*((c, t) for (c, t) in df_a.dtypes if c not in by))     # Spark SQL supports only homogeneous columns     assert len(set(dtypes)) == 1, "All columns have to be of the same type"     # Create and explode an array of (column_name, column_value) structs     kvs = explode(array([       struct(lit(c).alias("feature"), col(c).alias("value")) for c in cols     ])).alias("kvs")     return df_a.select(by + [kvs]).select(by + ["kvs.feature", "kvs.value"]) df = sc.parallelize([(1, 0.0, 0.6), (1, 0.6, 0.7)]).toDF(["A", "col_1", "col_2"]) df_row_data = df_columns_to_line(df, ["A"]) df.show() df_row_data.show()

>>> df.show() +---+-----+-----+ |  A|col_1|col_2| +---+-----+-----+ |  1|  0.0|  0.6| |  1|  0.6|  0.7| +---+-----+-----+ >>> df_row_data.show() +---+-------+-----+ |  A|feature|value| +---+-------+-----+ |  1|  col_1|  0.0| |  1|  col_2|  0.6| |  1|  col_1|  0.6| |  1|  col_2|  0.7| +---+-------+-----+

注意feature和value是原多列名转换为行数据后，重新定义的最终两列名

spark行转列

df_features = df_row_data.select('feature').distinct().collect() features = map(lambda r:r.feature, df_features) df_column_data = df_row_data.groupby("A").pivot('feature', features).agg(F.first('value', ignorenulls=True)) df_column_data.show()

+---+-----+-----+ |  A|col_2|col_1| +---+-----+-----+ |  1|  0.6|  0.0| +---+-----+-----+

行转列比较简单，在上文结果基础上直接转换，关键是pivot函数的使用

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注亿速云行业资讯频道，感谢您对亿速云的支持。