¿Por qué las columnas cambian a nulables en Apache Spark SQL?
Por que esnullable = true
se usa después de ejecutar algunas funciones, aunque no haya valores NaN enDataFrame
.
val myDf = Seq((2,"A"),(2,"B"),(1,"C"))
.toDF("foo","bar")
.withColumn("foo", 'foo.cast("Int"))
myDf.withColumn("foo_2", when($"foo" === 2 , 1).otherwise(0)).select("foo", "foo_2").show
Cuandodf.printSchema
se llama ahoranullable
estaránfalse
para ambas columnas
val foo: (Int => String) = (t: Int) => {
fooMap.get(t) match {
case Some(tt) => tt
case None => "notFound"
}
}
val fooMap = Map(
1 -> "small",
2 -> "big"
)
val fooUDF = udf(foo)
myDf
.withColumn("foo", fooUDF(col("foo")))
.withColumn("foo_2", when($"foo" === 2 , 1).otherwise(0)).select("foo", "foo_2")
.select("foo", "foo_2")
.printSchema
Sin embargo ahoranullable
estrue
para al menos una columna que erafalse
antes de. ¿Cómo se puede explicar esto?