sparkSql数据转换

在 Spark SQL 中，你可以使用一些函数和操作来进行数据转换。以下是一些常见的数据转换方法：

1. 选择列（Select）：使用 `select()` 函数选择要保留的列。你可以列出要选择的列名，也可以使用表达式对列进行计算或转换。

val transformedDF = originalDF.select("col1", "col2", expr("col3 + 1").as("newCol"))

2. 过滤行（Filter）：使用 `filter()` 函数根据条件过滤行。你可以使用表达式或函数来定义过滤条件。

val filteredDF = originalDF.filter(col("col1") > 10 && col("col2") === "value")

3. 修改列（WithColumn）：使用 `withColumn()` 函数添加、修改或删除列。你可以使用表达式或函数对列进行计算或转换。

val modifiedDF = originalDF.withColumn("newCol", col("col1") * 2)

4. 排序行（Sort）：使用 `orderBy()` 函数对行进行排序。你可以指定要排序的列和排序顺序。

val sortedDF = originalDF.orderBy(col("col1").desc)

5. 分组聚合（GroupBy & Aggregation）：使用 `groupBy()` 函数进行分组，然后使用聚合函数进行计算。

val aggregatedDF = originalDF.groupBy("col1").agg(sum("col2"), avg("col3"))

6. 连接表（Join）：使用 `join()` 函数将两个表连接起来。你可以指定连接的列和连接类型。

val joinedDF = table1.join(table2, Seq("col1"), "inner")

7. 数据透视表（Pivot）：使用 `pivot()` 函数创建数据透视表。你可以指定要进行透视的列和透视后生成的列。

val pivotedDF = originalDF.groupBy("col1").pivot("col2").agg(sum("col3"))

这些是 Spark SQL 中常用的一些数据转换方法。你可以根据具体需求和数据处理任务选择适合的方法来进行数据转换。