Scala 将列从StringType转换为Json（对象）

下面是一个示例数据

val df4 = sc.parallelize(List(
  ("A1",45, "5", 1, 90),
  ("A2",60, "1", 1, 120),
  ("A6", 30, "9", 1, 450),
  ("A7", 89, "7", 1, 333),
  ("A7", 89, "4", 1, 320),
  ("A2",60, "5", 1, 22),
  ("A1",45, "22", 1, 1)
)).toDF("CID","age", "children", "marketplace_id","value")

感谢@Shu提供了这段代码

val df5 = df4.selectExpr("CID","""to_json(named_struct("id", children)) as item""", "value", "marketplace_id")

当您执行

df5.d类型时

(CID,StringType), (item,StringType), (value,IntegerType), (marketplace_id,IntegerType)

列项是字符串类型的，有没有一种方式可以是json/对象类型的（如果是这样的话）

编辑1： 我将在这里描述我试图实现的目标，以上两个步骤保持不变

val w = Window.partitionBy("CID").orderBy(desc("value"))
val sorted_list = df5.withColumn("item", collect_list("item").over(w)).groupBy("CID").agg(max("item") as "item")

输出：

+---+-------------------------+
|CID|item                     |
+---+-------------------------+
|A6 |[{"id":"9"}]             |
|A2 |[{"id":"1"}, {"id":"5"}] |
|A7 |[{"id":"7"}, {"id":"4"}] |
|A1 |[{"id":"5"}, {"id":"22"}]|
+---+-------------------------+

现在，

[]

中的任何内容都是一个字符串。这导致我们正在使用的工具之一出现问题

---

对不起，请原谅我是scala新手，如果这是一个基本问题，请回答。

使用

struct

类型存储

json

数据，检查下面的代码

scala> dfa
.withColumn("item_without_json",struct($"cid".as("id")))
.withColumn("item_as_json",to_json($"item_without_json"))
.show(false)

+---+-----------+-----+--------------+-----------------+------------+
|CID|item       |value|marketplace_id|item_without_json|item_as_json|
+---+-----------+-----+--------------+-----------------+------------+
|A1 |{"id":"A1"}|90   |1             |[A1]             |{"id":"A1"} |
|A2 |{"id":"A2"}|120  |1             |[A2]             |{"id":"A2"} |
|A6 |{"id":"A6"}|450  |1             |[A6]             |{"id":"A6"} |
|A7 |{"id":"A7"}|333  |1             |[A7]             |{"id":"A7"} |
|A7 |{"id":"A7"}|320  |1             |[A7]             |{"id":"A7"} |
|A2 |{"id":"A2"}|22   |1             |[A2]             |{"id":"A2"} |
|A1 |{"id":"A1"}|1    |1             |[A1]             |{"id":"A1"} |
+---+-----------+-----+--------------+-----------------+------------+

---

根据您对将数据集转换为json所做的评论，您将使用：

df4
  .select(collect_list(struct($"CID".as("id"))).as("items"))
  .write()
  .json(path)

输出将如下所示：

{"items":[{"id":"A1"},{"id":"A2"},{"id":"A6"},{"id":"A7"}, ...]}

---

如果您需要内存中的东西来传递给函数，而不是

write（）.json（…）

使用

toJSON

本机spark类型是一个结构，没有json类型。有什么解决方法吗？我只是不希望它是StringType。正如@Lamanus所说，有一种特殊的

struct

类型用于表示数据帧中的复杂对象。你想用JSON实现什么？看起来里面的所有数据都已经是记录的一部分了，所以我看不到让

项

有什么意义，因为有一个工具要求该列的格式为{“items”：“[{“id”：“value”}，{“id”：“value2”}，{“id”：“value3”}]”}，请看一看。请将问题更改为说明输入和预期输出的实际问题。item_as_json仍然是StringType。spark没有json数据类型，您可以存储与struct type相同的数据。。检查我已经添加了两列，一列是

item\u，不带json

，另一列是

item\u，不带json

列，转换为json

item\u，作为\u json

感谢您的时间。我会找到解决办法，或者改变我的方法，或者像你说的那样，如果我可以使用struct实现，我会尝试。如果你想将

json

作为对象，你需要将

json

转换为spark原生数据类型。。i、 e

struct

或

map

类型。

{"items":[{"id":"A1"},{"id":"A2"},{"id":"A6"},{"id":"A7"}, ...]}