Apache Spark: SparkSQLリファレンス〜関数編・その他の関数〜

2016-01-14
書いた人 :
カテゴリ : | タグ : , ,

SparkSQLリファレンス第四部、関数編のラストその他の関数です。

その他の関数

SparkSQLには便利なユーティリティ関数がたくさんあります。
今回はそれをご紹介していきたいと思います。

関数 内容 ver.
lit lit(literal: Any)
リテラル値を返します。
SQLだと値を直に書けますが(e.g. SELECT ‘apple’ as mac )、DataFrameの場合はこのlitを使ってリテラル値を記述します。

sql: 

select 'apple' as mac from table

DataFrame: 

df.select( lit( "apple" ) as "mac" )
1.3.0
abs abs(e: Column)
絶対値を計算します。

sql: 

select abs( e ) from table

DataFrame: 

df.select( abs( $"e" ) )

例) e = -2 の場合、2 が返ります。

1.3.0
array array(cols: Column*)
array(colName: String, colNames: String*)
配列型カラムを生成します。
配列内はすべて同じ型である必要があります。
sql: 

select array( col1, col2 ) from table

DataFrame: 

df.select( $"col1", $"col2" )
1.4.0
coalesce coalesce(e: Column*)
nullでない最初のカラムの値を返します。
すべてのカラムがnullの場合はnullが返ります。

sql: 

select coalesce( a, b, c ) from table

DataFrame: 

df.select( coalesce( $"a", $"b", $"c" ) )

例) 上記のクエリで、aがnull, bもnullの場合cが返ります。

1.3.0
isNaN isNaN(e: Column)
カラムがNaNかどうかを返します。
Float型かDouble型に対してしか使えません。

sql: 

select isNaN( e ) from table

DataFrame: 

df.select( isNaN( $"e" ) )
1.5.0
monotonicallyIncreasingId monotonicallyIncreasingId
連続ではないが単調増加が保証されるユニークなIDを生成します。

sql: 

select
  monotonicallyIncreasingId()
from
  table

DataFrame: 

df.select(
  monotonicallyIncreasingId()
)

例) 0, 1, 2, 8589934592 (1L << 33), 8589934593, 8589934594

1.4.0
nanvl nanvl(col1: Column, col2: Column)
NaNでない最初のカラムを返します。
nvlのNaN版ですね。
Float型かDouble型に対してしか使えません。

sql: 

select nanvl( col1, col2 ) from table

DataFrame: 

df.select( nanvl( $"col1", $"col2" ) )

例) col1がNaNの場合、col2が返ります。

1.5.0
negate negate(e: Column)
選択されたカラムの値をマイナスにして返します。

sql: 

select negate( e ) from table

DataFrame: 

df.select( negate( $"e" ) )

例) e = 5の場合、-5が返ります。

1.3.0
not not(e: Column)
二値否定のNOTです。

Scala: 

df.filter( !df("isActive") )

Java: 

df.filter( not(df.col("isActive")) );
1.3.0
rand rand(seed: Long)|rand()
独立同分布に従う乱数を生成します。
引数にはシードを指定します。
※シードは省略可能です。

sql: 

select rand( 1 ) from table

DataFrame: 

df.select( rand( 1 ) )
1.4.0
randn randn(seed: Long)|randn()
正規分布に従う独立同分布な乱数を生成します。
引数にはシードを指定します。
※シードは省略可能です。

sql: 

select randn( 1 ) from table

DataFrame: 

df.select( randn( 1 ) )
1.4.0
sqrt sqrt(e: Column)
平方根を計算して返します。

sql: 

select sqrt( e ) from table

DataFrame: 

df.select( sqrt( $"e" ) )

例) e = 4の場合、2を返します。

1.3.0
when when(condition: Column, value: Any)
いわゆるCASE..WHENのwhenです。場合分けを行うことができます。
第１引数に条件、第２引数に条件にマッチした場合の値を指定します。

例)
Scala: 

people.select(
   when(people("gender") === "male", 0)
  .when(people("gender") === "female", 1)
  .otherwise(2))

Java: 

people.select(
   when(col("gender").equalTo("male"), 0)
  .when(col("gender").equalTo("female"), 1)
  .otherwise(2))
1.4.0
expr expr(expr: String)
文字列表現をカラムに変換します。

DataFrame: 

df.groupBy( expr( "length(word)" ) ).count()
md5 md5(e: Column)
バイナリカラムのmd5を計算して返します。

sql: 

select md5( e ) from table

DataFrame: 

df.select( md5( $"e" ) )
1.5.0
sha1 sha1(e: Column)
バイナリカラムのsha1を計算して返します。

sql: 

select sha1( e ) from table

DataFrame: 

df.select( sha1( $"e" ) )
1.5.0
sha2 sha2(e: Column, numBits: Int)
バイナリカラムをsha2系ハッシュ関数で計算して返します。
numBits には 224, 256, 384, 512 のいずれかを指定します。

sql: 

select sha2( e, 256 ) from table

DataFrame: 

df.select( sha2( $"e", 256 ) )
1.5.0
crc32 crc32(e: Column)
バイナリカラムのCRC32値を計算して返します。

sql: 

select crc32( e ) from table

DataFrame: 

df.select( crc32( $"e" ) )
1.5.0
array_contains array_contains(column: Column, value: Any)
Array型カラムに指定した値が含まれるかどうかを返します。

sql: 

select
  array_contains( e, 'apple' )
from
  table

DataFrame: 

df.select(
  array_contains( $"e", "apple" )
)

例) e = array( “apple”, “banana” )の場合true, e = array( “grape”, “orange” )の場合falseを返します。

1.5.0
explode explode(e: Column)
Array型、もしくはMap型カラムのそれぞれの要素に対応する新しい行を生成します。
実はこれすごく便利です。

sql: 

select explode( e ) from table

DataFrame: 

df.select( explode( $"e" ) )

例) 

| e             |
+---------------+
| array( 1, 2 ) |
| array( 4, 3 ) |

のようなDataFrameだった場合、

| explode(e)    |
+---------------+
| 1             |
| 2             |
| 4             |
| 3             |

が返ります。

1.3.0
json_tuple json_tuple(json: Column, fields: String*)
JSON文字列から新しい行をつくります。
カラム情報は引数に与えられたフィールド名とJSONのフィールド名から照合します。

sql: 

select
  json_tuple( json, 'f1', 'f2', 'f3' )
from
  table

DataFrame: 

df.select(
  json_tuple( $"json", "f1", "f2", "f3" )
)

例) json={“f1″:”value1″,”f2″:3,”f3”:5.23} のような文字列だった場合、

| f1     | f2 | f3   |
+--------+----+------+
| value1 | 3  | 5.23 |

のようなDataFrameが返ります。

1.6.0
size size(e: Column)
Array型もしくはMap型カラムの要素数を返します。

sql: 

select size( e ) from table

DataFrame: 

df.select( size( $"e" ) )

例) e = array( 1, 2, 3 )の場合、3が返ります。

1.5.0
sort_array sort_array(e: Column)
sort_array(e: Column, asc: Boolean)
Array型カラムをソートします。（自然順）

sql: 

select sort_array( e, true ) from table

DataFrame: 

df.select( sort_array( $"e", true ) )

例) e = array( 5, 3, 9 ) で asc = true の場合、array( 3, 5, 9 ) を返します。

1.5.0
udf udf(f: FunctionN[A1, .., AN, RT])
Sparkではユーザ定義関数を定義することができます。
現在は引数0〜10個まで対応しています。

例) 

val bool2int =
  udf { b: Boolean => if ( b ) 1 else 0 }
df.select( bool2int( $"e" ) )
1.3.0

構文

演算子

関数

宜しければこちらの動画もどうぞー

Druid part2 pivotでtwitterデータを可視化してみる
 

 

このエントリーをはてなブックマークに追加