java - 如何根据定义的大小将数据框中的一列拆分为多列

Question

我想将固定宽度的数据框中的行转换为分隔数据:

如何在 java/JavaRDD 中实现这一点。

输入数据框:df.show()

c0

|哇啊啊啊啊|

|QBAAAAAWtwo|

输出:应以管道 (|) 分隔。

co |c1 | c2

W |AAAAAA|赢了|

问|BAAAAA|Wtwo|

Answer 1

您可以使用String.substring(int start, int end)轻松完成此操作。这是您需要的方法的有效实现。

public static String parseData(String data) {
    String ret = "c0|c1|c2";

    // Remove edge delimiters
    data = data.replaceAll("\\|", "");

    // Split rows
    String[] rows = data.split("\n");

    // Iterate through each row
    for(String row : rows) {
        // We end up with extra empty strings because of pipe delimiting, skip them
        if("".equals(row)) continue;

        // Check row length, throw exception if incorrect
        if(row.length() != 11) {
            String message = String.format("Row passed to parseData() was the wrong length! Expected 11, got %d", row.length());
            throw new IllegalArgumentException(message);
        }

        String col1 = row.substring(0,1);  // Get column one (length=1)
        String col2 = row.substring(1,7);  // Get column 2 (length=6)
        String col3 = row.substring(7,11); // Get column 3 (length=4)

        // Add delimited row to return string
        ret += (String.format("\n%s|%s|%s", col1, col2, col3));
    }
    return ret;
}

我测试过。 parseData("|WAAAAAAWone|\n|QBAAAAAWtwo|") 返回:

c0|c1|c2
W|AAAAAA|Wone
Q|BAAAAA|Wtwo