Python PySpark，通过JSON文件导入模式

tbschema.json

如下所示：

[{"TICKET":"integer","TRANFERRED":"string","ACCOUNT":"STRING"}]

我使用以下代码加载它

>>> df2 = sqlContext.jsonFile("tbschema.json")
>>> f2.schema
StructType(List(StructField(ACCOUNT,StringType,true),
    StructField(TICKET,StringType,true),StructField(TRANFERRED,StringType,true)))
>>> df2.printSchema()
root
 |-- ACCOUNT: string (nullable = true)
 |-- TICKET: string (nullable = true)
 |-- TRANFERRED: string (nullable = true)

当我希望元素的顺序与JSON中显示的顺序相同时，为什么要对模式元素进行排序

派生JSON后，数据类型integer已转换为StringType，如何保留该数据类型

当我希望元素的顺序与json中出现的顺序相同时，为什么要对模式元素进行排序

因为不能保证字段的顺序。虽然没有明确说明，但当您查看JSON读取器doctstring中提供的示例时，就会发现这一点。如果需要特定的排序，可以手动提供模式：

from pyspark.sql.types import StructType, StructField, StringType

schema = StructType([
    StructField("TICKET", StringType(), True),
    StructField("TRANFERRED", StringType(), True),
    StructField("ACCOUNT", StringType(), True),
])
df2 = sqlContext.read.json("tbschema.json", schema)
df2.printSchema()

root
 |-- TICKET: string (nullable = true)
 |-- TRANFERRED: string (nullable = true)
 |-- ACCOUNT: string (nullable = true)

派生json后，数据类型integer已转换为StringType，如何保留该数据类型

JSON字段

TICKET

的数据类型是string，因此JSON读取器返回string。它是JSON读取器，而不是某种模式读取器

一般来说，你应该考虑一些有格式支持的适当格式，例如，或。但如果你真的想玩JSON，你可以像这样定义穷人的“模式”解析器：

from collections import OrderedDict 
import json

with open("./tbschema.json") as fr:
    ds = fr.read()

items = (json
  .JSONDecoder(object_pairs_hook=OrderedDict)
  .decode(ds)[0].items())

mapping = {"string": StringType, "integer": IntegerType, ...}

schema = StructType([
    StructField(k, mapping.get(v.lower())(), True) for (k, v) in items])

JSON的问题在于，对于字段的排序并没有任何保证，更不用说处理缺少的字段、不一致的类型等等了。所以，使用上述解决方案实际上取决于您对数据的信任程度

---

或者，您可以使用。

有趣的解决方案，是否有任何特殊原因导致

IntergerType（）

之后的

（）

被移动到结构的创建中，而不是在映射中？这将允许您执行一个

DecimalType（x，y）

。。谢谢，真的很有帮助！