Spark SQL:列值只能是A、T、G、C或N的组合
Spark SQL:列值只能是A、T、G、C或N的组合
提问于 2016-04-29 20:25:19
我正试图查询一个火花表，以查找“ref”列中包含非A、T、G、C或N的字母的所有行。
有效的结果应该只包含这些字母，并且可以包含这些字母的任何长度或组合。
例如：
有效= AA，ATTTGGGGCCCC，C，G，TTG，N等。
无效= P，.，空
以下查询只返回带有单个核苷酸的列：
SELECT ref
from test_set
where ref not in ('*A*', '*T*', '*G*', '*C*', '*N*')
ref
1 T
2 C
3 T
4 C
5 T下面的查询在impala中工作，但没有spark，而且也很难看：
SELECT regexp_replace(regexp_replace(regexp_replace(regexp_replace(regexp_replace(ref, 'A', ''), 'T', ''), 'G', ''), 'C', ''), 'N', '')
from spark_df回答 2
Stack Overflow用户
回答已采纳
发布于 2016-04-29 20:39:56
好的..。我想出来了：
SELECT regexp_extract(ref, 'ATGCN', 0)
from test_set或
SELECT alt
FROM test_set
WHERE regexp_extract( alt, '([^ACGTN.])', 0 ) IS NULLStack Overflow用户
发布于 2016-04-29 20:36:08
如果您不想使用regexp_extract，则可以通过执行以下操作获得相同的结果：
SELECT ref
from test_set
where not (
ref like '*A*' or
ref like '*T*' or
ref like '*C*' or
ref like '*G*' or
ref like '*N*'
)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/36946891
复制相关文章
相似问题
腾讯云开发者
