我有一个如下所示的数据框,其中ev是字符串类型。
>>> df2.show()
+---+--------------+
| id| ev|
+---+--------------+
| 1| 200, 201, 202|
| 1|23, 24, 34, 45|
| 1| null|
| 2| 32|
| 2| null|
+---+--------------+
有没有一种方法可以在不使用UDF的情况下将ev强制转换为ArrayType或UDF是这样做的唯一选择?
您可以使用内置split
功能:
from pyspark.sql.functions import col, split
df = sc.parallelize([
(1, "200, 201, 202"), (1, "23, 24, 34, 45"), (1, None),
(2, "32"), (2, None)]).toDF(["id", "ev"])
df.select(col("id"), split(col("ev"), ",\s*").alias("ev"))
如果要将数据转换为数字类型,可以按如下所示进行转换:
df.withColumn(
"ev",
split(col("ev"), ",\s*").cast("array<int>").alias("ev")
)
或者
from pyspark.sql.types import ArrayType, IntegerType
df.withColumn(
"ev",
split(col("ev"), ",\s*").cast(ArrayType(IntegerType())).alias("ev")
)
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句