使用Scala将Spark Dataframe上的多列转换为一列map

Question

我有一个数据帧，它有可变数量的列，如Col1，Col2，Col3。我需要使用下面的代码将Col1和Col2合并到一列数据类型映射中。

val df_converted = df.withColumn("ConvertedCols", map(lit("Col1"), col("Col1"), lit("Col2"), col("Col2")))

但是在不知道列的数量和名称的情况下，如何对所有的列都这样做呢？

Answer 1

另一种方法是使用from_json和to_json获取映射类型列：

val df2 = df.withColumn(
    "ConvertedCols", 
    from_json(to_json(struct("*")), lit("map<string,string>"))
)

df2.show(false)
+---+---+---+---+------------------------------------+
|c1 |c2 |c3 |c4 |ConvertedCols                       |
+---+---+---+---+------------------------------------+
|a  |b  |c  |d  |[c1 -> a, c2 -> b, c3 -> c, c4 -> d]|
|e  |f  |g  |h  |[c1 -> e, c2 -> f, c3 -> g, c4 -> h]|
+---+---+---+---+------------------------------------+

Answer 2

一种方法是通过flatMap将DataFrame的列列表扩展为Seq（lit（c1），col（c1），lit（c2），col（c2）…）并应用Spark的映射，如下所示：

import org.apache.spark.sql.functions._
import spark.implicits._

val df = Seq(
  ("a", "b", "c", "d"),
  ("e", "f", "g", "h")
).toDF("c1", "c2", "c3", "c4")

val kvCols = df.columns.flatMap(c => Seq(lit(c), col(c)))

df.withColumn("ConvertedCols", map(kvCols: _*)).show(false)
// +---+---+---+---+---------------------------------------+
// |c1 |c2 |c3 |c4 |ConvertedCols                          |
// +---+---+---+---+---------------------------------------+
// |a  |b  |c  |d  |Map(c1 -> a, c2 -> b, c3 -> c, c4 -> d)|
// |e  |f  |g  |h  |Map(c1 -> e, c2 -> f, c3 -> g, c4 -> h)|
// +---+---+---+---+---------------------------------------+