转换数据帧的每个值

问题描述 投票:0回答:1

我需要修改数据帧的每一列的值,以便它们在映射后都用双引号括起来,但数据框仍然保留其原始结构和标题。

我尝试通过将行更改为序列来映射值,但它在输出数据帧中丢失了它的标题。

将此读入作为输入数据帧:

|prodid|name   |city|
+------+-------+----+
|1     |Harshit|VNS |
|2     |Mohit  |BLR |
|2     |Mohit  |RAO |
|2     |Mohit  |BTR |
|3     |Rohit  |BOM |
|4     |Shobhit|KLK |

我尝试了以下代码。

val columns = df.columns
df.map{ row => 
           row.toSeq.map{col => "\""+col+"\"" }
    }.toDF(columns:_*)

但是它会抛出一个错误,指出映射的数据帧中只有1个标题,即值。这是实际结果(如果我删除“.df(columns:_ *)”):

|               value|
+--------------------+
|["1", "Harshit", ...|
|["2", "Mohit", "B...|
|["2", "Mohit", "R...|
|["2", "Mohit", "B...|
|["3", "Rohit", "B...|
|["4", "Shobhit", ...|
+--------------------+

我的预期结果如下:

|prodid|name     |city  |
+------+---------+------+
|"1"   |"Harshit"|"VNS" |
|"2"   |"Mohit"  |"BLR" |
|"2"   |"Mohit"  |"RAO" |
|"2"   |"Mohit"  |"BTR" |
|"3"   |"Rohit"  |"BOM" |
|"4"   |"Shobhit"|"KLK" |

注意:此示例中只有3个标题,但我的原始数据有很多标题,因此如果文件标题更改,则手动键入每个标题并不是一个选项。如何从中获取此修改后的值数据框?

编辑:如果我需要除整数之外的所有值的引号。所以,输出是这样的:

|prodid|name     |city  |
+------+---------+------+
|1     |"Harshit"|"VNS" |
|2     |"Mohit"  |"BLR" |
|2     |"Mohit"  |"RAO" |
|2     |"Mohit"  |"BTR" |
|3     |"Rohit"  |"BOM" |
|4     |"Shobhit"|"KLK" |
scala apache-spark dataframe mapping rdd
1个回答
5
投票

可能更容易使用选择:

val df = Seq((1, "Harshit", "VNS"), (2, "Mohit", "BLR"))
  .toDF("prodid", "name", "city")

df.select(df.schema.fields.map {
  case StructField(name, IntegerType, _, _) => col(name)
  case StructField(name, _, _, _) => format_string("\"%s\"", col(name)) as name
}:_*).show()

输出:

+------+---------+-----+
|prodid|     name| city|
+------+---------+-----+
|     1|"Harshit"|"VNS"|
|     2|  "Mohit"|"BLR"|
+------+---------+-----+

请注意,还有其他数字类型,如LongTypeDoubleType,因此可能需要处理这些,或者只是引用StringType等。

© www.soinside.com 2019 - 2024. All rights reserved.