apache-spark - 迭代更改列类型 Spark 数据帧

Question

我在 Scala 中有一个列名列表，例如

var cols = List("col1", "col2", "col3","col4")

我还有一个包含这些列的数据框，但都是字符串形式。现在我想通过遍历数据框的列表或列来转换数据框的列，因为我的列列表非常大，我负担不起使用这么多 .withColumn 参数

提前致谢

Answer 1

如果您预先知道输出类型，那么只需使用与此类似的东西映射列即可

val df = sc.parallelize(Seq(
  ("foo", "1.0", "2", "true"),
  ("bar", "-1.0", "5", "false")
)).toDF("v", "x", "y", "z")

val types = Seq(
  ("v", "string"), ("x", "double"), ("y", "bigint"), ("z", "boolean")
)

df.select(types.map{case (c, t) => col(c).cast(t)}: _*)

如果您不知道类型问题会更加棘手。虽然可以创建可以处理模式推断的自定义解析器，但修复上游管道可能更有意义。当您忽略数据类型时，使用 Avro 有什么意义。