数据操作——Column 对象

Column 对象

1. 什么是Column对象

• Column 表示了 Dataset 中的一个列, 并且可以持有一个表达式, 这个表达式作用于每一条数据, 对每条数据都生成一个值

  2.Column对象如何创建

  • ’

    单引号 ’ 在 Scala 中是一个特殊的符号, 通过 ’ 会生成一个 Symbol 对象, Symbol 对象可以理解为是一个字符串的变种, 但是比字符串的效率高很多, 在 Spark 中, 对 Scala 中的 Symbol 对象做了隐式转换, 转换为一个 ColumnName 对象, ColumnName 是 Column 的子类, 所以在 Spark 中可以如下去选中一个列

    val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
    // ' 必须导入spark的隐式转换才能使用 str.intern()
    val c1: Symbol = 'name
    

  • $

    同理, $ 符号也是一个隐式转换, 同样通过 spark.implicits 导入, 通过 $ 可以生成一个 Column 对象

    val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
    // $ 必须导入spark的隐式转换才能使用
    val column1: ColumnName = $"name"
    

  • col

    SparkSQL 提供了一系列的函数, 可以通过函数实现很多功能, 在后面课程中会进行详细介绍, 这些函数中有两个可以帮助我们创建 Column 对象, 一个是 col, 另外一个是 column

    val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()**
    **import org.apache.spark.sql.functions._
    // col 必须导入 functions
    val column2: sql.Column = col("name")
    

  • column

    val ds= Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
    // column 必须导入 functions
    val column3: sql.Column = column("name")
    // 上面这四种创建方式，有关联的 Dataset 部分
    ds.select(column).show()
    // Dataset 可以，DataFrame 可以使用 Column 对象选中行吗？
    df.select(column).show()
    // select 方法可以使用 column 对象来选中某个列，那么其他的算子行吗？
    df.where(column === "zhangsan").show()
    // coLumn有几个创建方式，四种
    // column对象可以用作于 Dataset 和 DataFrame 中
    // column可以和命令式的弱类型的 API 配合使用 select where
    

    

    

    

  • Dataset.col

    前面的 Column 对象创建方式所创建的 Column 对象都是 Free 的, 也就是没有绑定任何 Dataset, 所以可以作用于任何 Dataset, 同时, 也可以通过 Dataset 的 col 方法选择一个列, 但是这个 Column 是绑定了这个 Dataset 的, 所以只能用于创建其的 Dataset 上

    val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
    val ds1: Dataset[Person] = Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
    // dataset.col
    //使用 dataset 来获取column 对象，会和某个 Dataset 进行绑定，在逻辑计划中，就会有不同的表现
    val column4 = ds.col("name")
    val column5 = ds1.col("name")
    //    ds.select(column5).show() 报错
    // 为什么要和 dataset 来绑定呢
    ds.join(ds1, ds.col("name") === ds1.col("name"))
    .select(column5).show() // 成功
    

    

  • Dataset.apply

    可以通过 Dataset 对象的 apply 方法来获取一个关联此 Dataset 的 Column 对象

    ds(“name”)

    ds.apply(“name”) 上下两个是一样的,ds(“name”)其实是ds.apply(“name”)简写版

    val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("zhangsan", 8), Person("lisi", 15)).toDS()
    val column6 = ds.apply("name")
    val column7 = ds(“name”)
    

    3.别名和转换

    • as[type]

      as 方法有两个用法, 通过 as[Type] 的形式可以将一个列中数据的类型转为 Type 类型

      val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("lisi", 15)).toDS()
      ds.select('age.as[Long])
      

    • as(name)

      通过 as(name) 的形式使用 as 方法可以为列创建别名

      @Test
      def as(): Unit = {
        val ds: Dataset[Person] = Seq(Person("zhangsan", 12), Person("lisi", 15)).toDS()
        // select name, count(age) as age from table group by name
        ds.select('name as 'new_name).show()
      }
      

      

      4.添加列

      • withColumn

        通过 Column 在添加一个新的列时候修改 Column 所代表的列的数据

        @Test
          def api(): Unit = {
            val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
            // 需求一，ds增加列，双倍年龄
            // 'age*2 其实本质上就是将一个表达式（逻辑计划表达式）附着到column对象上
            // 表达式在执行的时候对应每一条数据进行操作
            ds.withColumn("doubled",'age * 2).show()
          }
        

        

        5.操作

        • like

          通过 Column 的 API, 可以轻松实现 SQL 语句中 LIKE 的模糊查询功能

          @Test
          def api(): Unit = {
            val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
            
            //需求二，便糊查湖
            ds.where('name like "zhang%").show()
          }
          

          

          • isin

            通过 Column 的 API, 可以轻松实现 SQL 语句中 ISIN 的枚举判断功能

            @Test
            def api(): Unit = {
              val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
              
              // 需求三，枚举判断
              ds.where('name isin ("zhangsan", "wangwu", "zhaoliu")).show( )
            }
            

            

          • sort

            在排序的时候, 可以通过 Column 的 API 实现正反序

            @Test
            def api(): Unit = {
              val ds:Dataset[Person]=Seq(Person("zhangsan",15),Person("lisi",10)).toDS()
              // 需求四，排序正反序
              ds.sort('age asc).show()
              
            }
            

            

          • 以上代码的前置条件

            val spark = SparkSession.builder().appName("column").master("local[6]").getOrCreate()
            import spark.implicits._
            case class Person(name: String, age: Int)