apache / apache/parquet-java

Filtering dictionary data types using dplyr in Arrow package

Abierto
#2,562 0 comentarios 0 reacciones 0 asignados Ver en GitHub
Component: Parquet Priority: Major Type: bug
Lenguaje dominante
Java
Estrellas
3.1k
Forks
1.6k
Merge medio
3 d 12 h
PR fusionados (30 d)
33

Descripción

Is there any way where we can filter the dictionary data types using dplyr. Below is the example for illustration 

test %>% dplyr::filter(cols %in% c("A","B","C") %>collect(). It gives me following error

Error in dataset___Scanner__ToTable(self) :   NotImplemented: Function is_in has no kernel matching input types (array[dictionary])

Here cols is dictionary type value

**Reporter**: [Soumya Ranjan Prusty](https://issues.apache.org/jira/secure/ViewProfile.jspa?name=prustys)

**Note**: *This issue was originally created as [PARQUET-1962](https://issues.apache.org/jira/browse/PARQUET-1962). Please see the [migration documentation](https://issues.apache.org/jira/browse/PARQUET-2502) for further details.*

Guía de contribución

No hay ninguna guía de contribución indexada para este repositorio

Línea de trabajo

Comienza reproduciendo el ejemplo de filtrado de dplyr con el valor cols de tipo dictionary e inspecciona el manejo de Arrow que informa de que no hay ningún kernel is_in coincidente. Se considera completado cuando el filtrado de tipos de datos dictionary con los valores indicados finaliza sin el error NotImplemented.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
r
Área
data
Tipo de issue
Error
Dificultad
4/5
Tiempo estimado
3-5 días
Estado de actividad
Estancado
Claridad
Necesita aclaración
Aptitud para principiantes
25/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.