这期内容当中小编将会给大家带来有关spark生成表格套用公式是什么，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。
创新互联坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都网站制作、做网站、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的封丘网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！
| Index | A | B | C | D |
| 1 | 10 | 2 | 8 | 8 |
| 2 | 9 | |||
| 3 | 8 |
简化业务描述后，需求为：
有表格如上，A列及第一行可以直接给出，其余空白字段要求按公式算出。
公式：
1) B[x] = A[x]-1
2) C[x] = A[x] - B[x]
3) D[x] = (C[x]+D[x-1])/2 //(上一行同列+本行前一列)/2
计算后的表格值应为：
| Index | A | B | C | D |
| 1 | 10 | 2 | 8 | 8 |
| 2 | 9 | 7 | 2 | 5 |
| 3 | 8 | 4 | 4 | 4.5 |
代码
import org.apache.spark.rdd.RDD
import org.apache.spark.sql.types._
import org.apache.spark.sql.{Row, SparkSession}
val schema = StructType(
List(
StructField("ID", DoubleType, true),
StructField( "A", DoubleType, true),
StructField( "B", DoubleType, true),
StructField( "C", DoubleType, true),
StructField( "D", DoubleType, true)
)
)
val data1: RDD[Row] = spark.sparkContext.parallelize(
Seq(
Row(1.0,10.0,2.0,8.0,8.0)
)
)
val df1 = spark.createDataFrame(data1, schema)
df1.createOrReplaceTempView("df1")
val data2: RDD[Row] = spark.sparkContext.parallelize(
Seq(
Row(1.0,9.0,null,null,null)
)
)
val df2 = spark.createDataFrame(data2, schema)
df2.createOrReplaceTempView("df2")
def func_1(x: Int) = {
x - 1
}
def func_2(x:Int,y:Int):Int = {
x - func_1(y)
}
def func_3(x:Int,y:Int,z:Int):Int = {
(x+func_2(y,z))/2
}
spark.udf.register("func_1", func_1 _)
spark.udf.register("func_2", func_2 _)
spark.udf.register("func_3", func_3 _)
spark.sql(
"""
|select
| df2.ID,
| df2.A,
| func_1(df1.D) as B,
| func_2(df2.A,df1.D) as C,
| func_3(df1.D,df2.A,df1.D) as D
|from df2 inner join df1 on df1.ID = df2.ID
|
""".stripMargin).show()上述就是小编为大家分享的spark生成表格套用公式是什么了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。