如何将 Spark DataFrame 中的 WrappedArray 列转换为字符串？

Question

我正在尝试将包含Array [String]的列转换为字符串，但我始终会得到此错误

org.apache.spark.SparkException: Job aborted due to stage failure: Task 0 in stage 78.0 failed 4 times, most recent failure: Lost task 0.3 in stage 78.0 (TID 1691, ip-******): java.lang.ClassCastException: scala.collection.mutable.WrappedArray$ofRef cannot be cast to [Ljava.lang.String; 

这是一段代码：

val mkString = udf((arrayCol:Array[String])=>arrayCol.mkString(","))  
val dfWithString=df.select($"arrayCol").withColumn("arrayString",
      mkString($"arrayCol"))  

- bdguy

Answer 1

WrappedArray不是Array（它是纯粹的Java Array而不是本地Scala集合）。你可以将签名更改为：

import scala.collection.mutable.WrappedArray

(arrayCol: WrappedArray[String]) => arrayCol.mkString(",")

或者使用其中一个超类型，例如Seq：

(arrayCol: Seq[String]) => arrayCol.mkString(",")

在最新的 Spark 版本中，您可以使用 concat_ws 代替：

import org.apache.spark.sql.functions.concat_ws

df.select(concat_ws(",", $"arrayCol"))

- zero323

---

我尝试使用WrappedArray，但该类型未被识别。Seq可以正常工作。 - bdguy

Answer 2

这段代码对我有效：

df.select("wifi_ids").rdd.map(row =>row.get(0).asInstanceOf[WrappedArray[WrappedArray[String]]].toSeq.map(x=>x.toSeq.apply(0)))

在你的情况下，我猜测是这样的：

val mkString = udf(arrayCol=>arrayCol.asInstanceOf[WrappedArray[String]].toArray.mkString(","))  
val dfWithString=df.select($"arrayCol").withColumn("arrayString",mkString($"arrayCol"))  

- Burt