作者:幸福的小兔子3 | 来源:互联网 | 2022-12-09 17:57
我正在处理一个数据框df
,例如以下数据框:
df.show()
输出:
+----+------+
|keys|values|
+----+------+
| aa| apple|
| bb|orange|
| bb| desk|
| bb|orange|
| bb| desk|
| aa| pen|
| bb|pencil|
| aa| chair|
+----+------+
我使用collect_set
聚合来获得一组消除了重复元素的对象(或collect_list
获得对象列表)。
df_new = df.groupby('keys').agg(collect_set(df.values).alias('collectedSet_values'))
结果数据帧如下:
df_new.show()
输出:
+----+----------------------+
|keys|collectedSet_values |
+----+----------------------+
|bb |[orange, pencil, desk]|
|aa |[apple, pen, chair] |
+----+----------------------+
我正在努力寻找一种方法来查看结果集中的对象(在列中collectedSet_values
)中是否存在特定的关键字(例如“ chair” )。我不想udf
解决。
请评论您的解决方案/想法。
亲切的问候。