如何解决Scala:使用嵌套的json结构转换和替换Spark DataFrame的值
我有一个嵌套的json文件,我正在将其读取为Spark DataFrame,并希望使用自己的转换替换某些值。
现在让我们假设它看起来如下(紧跟this)
import org.apache.spark.sql.DataFrame
import org.apache.spark.sql.functions._
import org.apache.spark.sql.types._
// Convenience function for turning JSON strings into DataFrames.
def jsonToDataFrame(json: String,schema: StructType = null): DataFrame = {
// SparkSessions are available with Spark 2.0+
val reader = spark.read
Option(schema).foreach(reader.schema)
reader.json(sc.parallelize(Array(json)))
}
val df = jsonToDataFrame("""
{
"A": {
"B": "b","C": "c","D": {"E": "e"
}
}
}
""")
display(df)
df.printSchema()
假设以下转换(将小写字母转换为大写字母)应适用于上方Spark DataFrame中的某些值
import org.apache.spark.sql.functions.udf
val upper: String => String = _.toUpperCase
val upperUDF = udf(upper)
这根本不起作用:
df.withColumn("A.B",upperUDF('A.B)).show()
以下作品:
val df1 = df.select("A.B")
df1.withColumn("B",upperUDF('B)).show()
但是最后,我想保留我的嵌套结构,只替换符合我的变换的某些值。
如何做到这一点?使用withColumn时如何保存模式?
解决方法
最后,我找到了这个thread,它为我的问题提供了答案。诀窍是在转换列时动态保留架构。使用其中定义的mutate()函数,以下内容对我来说很不错:
val df2 = mutate(df,c => if (c.toString == "A.B") upperUDF(c) else c)
val df3 = mutate(df,c => if (c.toString == "A.D.E") upperUDF(c) else c)
display(df2)
df2.printSchema
display(df3)
df3.printSchema
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。