spark dataframe新增列的处理

往一个dataframe新增某个列是很常见的事情。

然而这个资料还是不多，很多都需要很多变换。而且一些字段可能还不太好添加。

不过由于这回需要增加的列非常简单，倒也没有必要再用UDF函数去修改列。

利用withColumn函数就能实现对dataframe中列的添加。但是由于withColumn这个函数中的第二个参数col必须为原有的某一列。所以默认先选择了个ID。

scala> val df = sqlContext.range(0, 10)
df: org.apache.spark.sql.DataFrame = [id: bigint]


scala> df.show()
+---+
| id|
+---+
|  0|
|  1|
|  2|
|  3|
|  4|
|  5|
|  6|
|  7|
|  8|
|  9|
+---+




scala> df.withColumn("bb",col(id)*0)
<console>:28: error: not found: value id
              df.withColumn("bb",col(id)*0)
                                     ^


scala> df.withColumn("bb",col("id")*0)
res2: org.apache.spark.sql.DataFrame = [id: bigint, bb: bigint]


scala> df.show()
+---+
| id|
+---+
|  0|
|  1|
|  2|
|  3|
|  4|
|  5|
|  6|
|  7|
|  8|
|  9|
+---+




scala> res2.show()
+---+---+
| id| bb|
+---+---+
|  0|  0|
|  1|  0|
|  2|  0|
|  3|  0|
|  4|  0|
|  5|  0|
|  6|  0|
|  7|  0|
|  8|  0|
|  9|  0|
+---+---+




scala> res2.withColumn("cc",col("id")*0)
res5: org.apache.spark.sql.DataFrame = [id: bigint, bb: bigint, cc: bigint]


scala> res3.show()
<console>:30: error: value show is not a member of Unit
              res3.show()
                   ^


scala> res5.show()
+---+---+---+
| id| bb| cc|
+---+---+---+
|  0|  0|  0|
|  1|  0|  0|
|  2|  0|  0|
|  3|  0|  0|
|  4|  0|  0|
|  5|  0|  0|
|  6|  0|  0|
|  7|  0|  0|
|  8|  0|  0|
|  9|  0|  0|
+---+---+---+




scala>