我在 SparklyR 接口中有一个 Spark 数据框,我正在尝试从数组列中提取元素。
df <- copy_to(sc, data.frame(A=c(1,2),B=c(3,4))) ## BUILD DATAFRAME
dfnew <- df %>% mutate(C=Array(A,B)) %>% select(C) ## CREATE ARRAY COL
> dfnew ## VIEW DATAFRAME
# Source: spark<?> [?? x 1]
C
<list>
1 <dbl [2]>
2 <dbl [2]>
dfnew %>% sdf_schema() ## VERIFY COLUMN TYPE IS ARRAY
$C$name
[1] "C"
$C$type
[1] "ArrayType(DoubleType,true)"
我可以用“mutate”提取一个元素......
dfnew %>% mutate(myfirst_element=C[[1]])
# Source: spark<?> [?? x 2]
C myfirst_element
<list> <dbl>
1 <dbl [2]> 3
2 <dbl [2]> 4
但我想用“select”动态提取一个元素。但是,所有尝试都只返回完整列:
> dfnew %>% select("C"[1])
# Source: spark<?> [?? x 1]
C
<list>
1 <dbl [2]>
2 <dbl [2]>
> dfnew %>% select("C"[[1]])
# Source: spark<?> [?? x 1]
C
<list>
1 <dbl [2]>
2 <dbl [2]>
> dfnew %>% select("C"[[1]][1])
# Source: spark<?> [?? x 1]
C
<list>
1 <dbl [2]>
2 <dbl [2]>
> dfnew %>% select("C"[[1]][[1]])
# Source: spark<?> [?? x 1]
C
<list>
1 <dbl [2]>
2 <dbl [2]>
我也尝试过使用“sdf_select”,但没有成功:
> dfnew %>% sdf_select("C"[[1]][1])
# Source: spark<?> [?? x 1]
C
<list>
1 <dbl [2]>
2 <dbl [2]>
在 PySpark 中,您可以显式访问元素,例如 col("C")[1]; 在 Scala 中,您可以使用 getItem 或 element_at;在 SparkR 中,您还可以使用 element_at。但是有人知道 SparklyR 设置中的解决方案吗?提前感谢您的帮助。