根据spark scala中数据框中的列拆分获取长度
有一个包含文本的“备注”列的数据框。我想通过检查备注列长度来添加新列。例如，如果备注列的长度== 2，我需要拆分（$“备注”，“”）（1）。否则我会把备注栏视为原样。
例如：remarks =“xxxx yyyy”，我希望count应该是2，如果是这种情况，我需要将yyyy作为我们正在添加的新列中的值。
这是我尝试过的代码，但没有得到预期的结果。
val df1 = df.withColumn("remarks1",when(length(split(col($"remarks")," ") === 2),col($"remarks").split(" ")(1)).otherwise(col($"remarks")))
使用上面的代码，我收到错误：
线程“main”中的异常org.apache.spark.sql.AnalysisException：remarks由于数据类型不匹配，无法解析'（split（，''）= 2）'：'（split（remarks，''）= 2）中的不同类型'（array和int）。;; '项目[备注＃33，dv＃37，dp＃42，dv1＃48，sig＃55，en＃63，es＃72，案例时长度（（拆分（备注＃33，）= 2））然后拆分（备注＃33，）[1] ELSE cefversion＃33 END AS备注1＃107]
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。缩小问题的范围，这是正确的方法：
val df1 = df.withColumn("remarks1", when(size(split($"remarks" ," ")) === 2,split($"remarks"," ")(1)).otherwise(col("remarks")))
2019-07-17 23:18:30赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
