Python 将spark数据帧中MapType类型的列的数据转换为字符串
我有一个数据框,它有一个MapType类型的列:Python 将spark数据帧中MapType类型的列的数据转换为字符串,python,pyspark,pyspark-dataframes,Python,Pyspark,Pyspark Dataframes,我有一个数据框,它有一个MapType类型的列: df = spark.createDataFrame( spark._sc.parallelize( [[{"x": 30.0, "pool": 20.0, "helium": 10.0}, -5], [{"x": 40.0, "pool": 30.0, "helium": 20.0}, 5]] ), [ "col1", "col2" ] ) 我在将其写入CSV
df = spark.createDataFrame(
spark._sc.parallelize(
[[{"x": 30.0, "pool": 20.0, "helium": 10.0}, -5],
[{"x": 40.0, "pool": 30.0, "helium": 20.0}, 5]]
),
[
"col1", "col2"
]
)
我在将其写入CSV文件时遇到问题。它抱怨CSV数据源不支持地图数据类型。是否有办法将“col1”数据转换为字符串数据类型,以便继续写入CSV文件?我需要将数据帧转换为如下内容:
+------------------------------+-----+
|col1 |col2 |
+------------------------------+-----+
|"x: 1.0, y: 2.0, z: 3.0" | 5.0 |
|"x: 4.0, y: 5.0, z: 6.0" | 5.0 |
+------------------------------+-----+
您应该使用spark内置函数
到_json
将映射类型
转换为字符串
:
from pyspark.sql import functions as F
df.withColumn("col1", F.to_json("col1")).show(truncate=False)
#+------------------------------------+----+
#|col1 |col2|
#+------------------------------------+----+
#|{"pool":20.0,"x":30.0,"helium":10.0}|-5 |
#|{"pool":30.0,"x":40.0,"helium":20.0}|5 |
#+------------------------------------+----+
您还可以使用regexp替换它:
df.withColumn("col1",F.regexp_replace(F.to_json("col1"),'"','')).show(truncate=False)
#+------------------------------+----+
#|col1 |col2|
#+------------------------------+----+
#|{pool:20.0,x:30.0,helium:10.0}|-5 |
#|{pool:30.0,x:40.0,helium:20.0}|5 |
#+------------------------------+----+
您还可以使用它来concat
获得所需的输出:
df.withColumn("col1", F.concat(F.lit('"'),\
F.regexp_replace(F.to_json("col1"),'"','')\
,F.lit('"')))\
.show(truncate=False)
#+--------------------------------+----+
#|col1 |col2|
#+--------------------------------+----+
#|"{pool:20.0,x:30.0,helium:10.0}"|-5 |
#|"{pool:30.0,x:40.0,helium:20.0}"|5 |
#+--------------------------------+----+
df.withColumn("col1", F.concat(F.lit('"'),\
F.regexp_replace(F.to_json("col1"),'"','')\
,F.lit('"')))\
.show(truncate=False)
#+--------------------------------+----+
#|col1 |col2|
#+--------------------------------+----+
#|"{pool:20.0,x:30.0,helium:10.0}"|-5 |
#|"{pool:30.0,x:40.0,helium:20.0}"|5 |
#+--------------------------------+----+