如何解决用于CSV的pyspark模式验证
我在pyspark数据框df1中有原始数据(从csv文件读取)。当我尝试附加另一个csv(将在另一个pyspark数据帧df2中读取)时,在我“结合”两个数据帧之前,是否有一种优雅的方法来检查或验证两者的模式?谢谢。
解决方法
您要寻找哪种验证?
-
匹配列名称 如果您只想知道是否存在相同的列,则可以使用
df1.select(df2.columns)
-
我认为,如果您尝试进行联合,则检查数据类型以及该列是否可为空可以使用是很重要的:
df1.schema==df2.schema
您可以将它们设置为断言,或者根据您的用例确定条件。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。