blocks|key|1944547|text|您可以使用array和explode+udfs：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1944548|df.selectExpr("id",+"name",+"explode(array(phone1,+phone2))+as+phone").show
%2B---%2B----%2B-----%2B
%7C+id%7Cname%7Cphone%7C
%2B---%2B----%2B-----%2B
%7C++1%7C+abc%7C++123%7C
%7C++1%7C+abc%7C++567%7C
%7C++2%7C+xyz%7C++766%7C
%7C++2%7C+xyz%7C++980%7C
%2B---%2B----%2B-----%2B|code-block|syntax|javascript|1944549|其中，数组(phone1，phone2)从phone1和phone2创建一个新的数组列，而爆炸，爆炸数组列将使其平坦，并为原始数组中的每个元素创建一个新的行。|1944550|或者，如果您有更多的列，并且需要以编程的方式这样做，那么首先收集需要堆叠或扁平的列，然后使用array+udf的varargs语法来收集它们：|1944551|val+cols+=+Seq("phone1",+"phone2")
//+cols:+Seq[String]+=+List(phone1,+phone2)

df.select($"id",+$"name",+explode(array(cols.head,+cols.tail:+_*)).as("phone")).show
%2B---%2B----%2B-----%2B
%7C+id%7Cname%7Cphone%7C
%2B---%2B----%2B-----%2B
%7C++1%7C+abc%7C++123%7C
%7C++1%7C+abc%7C++567%7C
%7C++2%7C+xyz%7C++766%7C
%7C++2%7C+xyz%7C++980%7C
%2B---%2B----%2B-----%2B|1944552|entityMap|0|LINK|mutability|MUTABLE|url|https://spark.apache.org/docs/2.2.0/api/python/pyspark.sql.html#pyspark.sql.functions.array|1|https://spark.apache.org/docs/2.2.0/api/python/pyspark.sql.html#pyspark.sql.functions.explode^0|5|5|B|7|0|0|L|6|S|6|3|H|0|19|5|1|0|1A|5|0|0^^$0|@$1|2|3|4|5|6|7|10|8|@$9|11|A|12|B|C]|$9|13|A|14|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|15|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|16|8|@$9|17|A|18|B|C]|$9|19|A|1A|B|C]]|D|@$9|1B|A|1C|1|1D]|$9|1E|A|1F|1|1G]]|E|$]]|$1|M|3|N|5|6|7|1H|8|@$9|1I|A|1J|B|C]]|D|@]|E|$]]|$1|O|3|P|5|H|7|1K|8|@]|D|@]|E|$I|J]]|$1|Q|3|-4|5|6|7|1L|8|@]|D|@]|E|$]]]|R|$S|$5|T|U|V|E|$W|X]]|Y|$5|T|U|V|E|$W|Z]]]]

You can use the <code>array</code> and <code>explode</code> udfs:

<pre><code>df.selectExpr("id", "name", "explode(array(phone1, phone2)) as phone").show
+---+----+-----+
| id|name|phone|
+---+----+-----+
| 1| abc| 123|
| 1| abc| 567|
| 2| xyz| 766|
| 2| xyz| 980|
+---+----+-----+
</code></pre>

where <a href="https://spark.apache.org/docs/2.2.0/api/python/pyspark.sql.html#pyspark.sql.functions.array" rel="nofollow noreferrer">array(phone1, phone2)</a> creates a new array column from <code>phone1</code> and <code>phone2</code>, and <a href="https://spark.apache.org/docs/2.2.0/api/python/pyspark.sql.html#pyspark.sql.functions.explode" rel="nofollow noreferrer">exploding</a> the array column will flatten it and creates a new row for each element in the original array.

<hr>

Or if you have more columns and need to do this programmatically, first collect the columns that need to be stacked or flattened, and then use the varargs syntax with the <code>array</code> udf to collect them:

<pre class="lang-scala prettyprint-override"><code>val cols = Seq("phone1", "phone2")
// cols: Seq[String] = List(phone1, phone2)

df.select($"id", $"name", explode(array(cols.head, cols.tail: _*)).as("phone")).show
+---+----+-----+
| id|name|phone|
+---+----+-----+
| 1| abc| 123|
| 1| abc| 567|
| 2| xyz| 766|
| 2| xyz| 980|
+---+----+-----+
</code></pre>

blocks|key|1944567|text|您可以简单地使用：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1944568|Select+id,+name,+phone1+as+phone
from+tbl
Union+all
Select+id,+name,+phone2+as+phone
from+tbl|code-block|syntax|javascript|1944569|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|I|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|J|8|@]|9|@]|A|$E|F]]|$1|G|3|-4|5|6|7|K|8|@]|9|@]|A|$]]]|H|$]]

You can use simply:

<pre><code>Select id, name, phone1 as phone
from tbl
Union all
Select id, name, phone2 as phone
from tbl
</code></pre>

blocks|key|1944618|text|您可以通过简单地使用相同表的UNION+ALL来实现这一点。|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1944619|SELECT+id
++++,name
++++,phone1+AS+phone
FROM+your_Table

UNION+ALL

SELECT+id
++++,name
++++,phone2+AS+phone
FROM+your_Table|code-block|syntax|javascript|1944620|entityMap^0|E|9|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@$9|N|A|O|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|P|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|Q|8|@]|D|@]|E|$]]]|L|$]]

you can achieve this by simply using <code>UNION ALL</code> of same table .

<pre><code>SELECT id
 ,name
 ,phone1 AS phone
FROM your_Table

UNION ALL

SELECT id
 ,name
 ,phone2 AS phone
FROM your_Table
</code></pre>

I have a table that looks like -

<pre><code>|--|----|------|------|
|id|name|phone1|phone2|
|--|----|------|------|
|1 |abc |123 |567 |
|2 |xyz |766 |980 |
|--|----|------|------|
</code></pre>

I need to write a query that can give me output like -

<pre><code>|--|----|-----|
|id|name|phone|
|--|----|-----|
|1 |abc |123 |
|1 |abc |567 |
|2 |xyz |766 |
|2 |xyz |980 |
|--|----|-----|
</code></pre>

Basically I am creating 1 column out of 2 phone number columns and repeating the rows. Can someone please help me with query?

Spark/RDBMS query to create multirow out of single row based on different column matches

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有张桌子看起来-|--|----|------|------||id|name|phone1|phone2||--|----|------|------||1 |abc |123   |567   ||2 |xyz |766   |980   ||--|----|------|------|我需要写一个能给我输出的查...

问Spark/RDBMS查询以根据不同的列匹配从单行创建多行
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Spark/RDBMS查询以根据不同的列匹配从单行创建多行EN