Jak wypełnić kartę[wiersz,ramka danych] w postaci kolumny w ramce danych w scala

Można prosić o wygenerowanie jednej linii na ramkę danych. Bądź ostrożny, jeśli jeden z ramek danych jest wystarczająco duży, aby nie mógł być zawarte w jednym wykonawcy, kod ten się zepsuje.

Niech najpierw сгенерируем dane i mapy dfs typu Map[String, DataFrame].

val df1 = Seq((1, "aaa", 23), (2, "bbb", 34)).toDF("id", "name", "age")
val df2 = Seq(("ludo", 10, 20), ("rummy", 10, 40)).toDF("game", "time", "score")
dfs = Seq(df1, df2)

Następnie dla każdej ramki danych karty tworzymy dwie kolumny. big_map wiąże nazwę każdej kolumny ramki danych z jego wartości (opisane w wierszu, aby mieć spójny typ). df po prostu zawiera nazwę ramki danych. Następnie łączymy wszystkie ramki danych z reduce i grupowanie name (to jest ta część, gdzie każda klatka danych kończy się całkowicie w jednym wierszu, a więc jednego wykonawcę).

dfs
    .toSeq
    .map{ case (name, df) => df
        .select(map(
             df.columns.flatMap(c => Seq(lit(c), col(c).cast("string"))) : _*
        ) as "big_map")
        .withColumn("df", lit(name))}
    .reduce(_ union _)
    .groupBy("df")
    .agg(collect_list('big_map) as "column1")
    .show(false)

+---+-----------------------------------------------------------------------------------+
|df |column1                                                                            |
+---+-----------------------------------------------------------------------------------+
|df0|[{id -> 1, name -> aaa, age -> 23}, {id -> 2, name -> bbb, age -> 34}]             |
|df1|[{game -> ludo, time -> 10, score -> 20}, {game -> rummy, time -> 10, score -> 40}]|
+---+-----------------------------------------------------------------------------------+

Oto rozwiązanie, specyficzne dla danego wariantu użycia:

import org.apache.spark.sql._

def sample(dfs : Map[String, DataFrame])(implicit spark: SparkSession): DataFrame =
  dfs
    .values
    .foldLeft(spark.emptyDataFrame)((acc, df) => acc.union(df))

Sesja spark jest niezbędny do tworzenia pustego dysku ramek danych do składania.

Alternatywnie, jeśli można zapewnić Map nie jest pusta.

def sample(dfs : Map[String, DataFrame]): DataFrame =
  dfs
    .values
    .reduce((acc, df) => acc.union(df))