- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我需要一些帮助,以将一系列 JSON 文件从 S3 存储桶导入 PySpark DataFrame。
这个桶中的文件都有一个.json
扩展名,但遗憾的是不符合Spark通常的每行一个JSON对象的要求,相反,它们都在里面的一行上方括号。
所以代替:
{"first_column": 12, "second_column": {"nested_column": "value"}}
{"first_column": 24, "second_column": {"nested_column": "value2"}}
我有:
[{"first_column": 12, "second_column": {"nested_column": "value"}},{"first_column": 24, "second_column": {"nested_column": "value2"}}]
我们实际上收到了这种格式的文件,而且文件太多了,很遗憾,手动调整是不可行的。
目前我尝试过的方法如下:
我尝试使用 spark.read.json
方法,使用以下语法和通配符 *
一次加载多个文件。在这种情况下 spark
是 sqlContext
df = spark.read.json("s3://path_to_bucket_*.json")
这会在不引发任何错误或警告的情况下运行,并返回所需的架构:
df.printSchema()
root
|-- first_column: long (nullable = true)
|-- second_column: struct (nullable = true)
| |-- nested_column: string (nullable = true)
但是,当我尝试查看数据时,我得到以下信息:
+------------+-------------+
|first_column|second_column|
+------------+-------------+
| null| null|
+------------+-------------+
我找到了一种从 Databricks 实际加载数据的方法 here它使用 Spark 上下文 sc
读取 Paired RDD,如下所示:
dfRDD = sc.wholeTextFiles("s3://path_to_bucket_*.json")
这将返回一个带有文件名和文件主体的 PairedRDD。然而,真正让我感到困惑的是,当我使用来自该 RDD 的正文信息调用以下行时,它工作正常并且根本没有空值:
df = spark.read.json(dfRDD.map(lambda x: x[1]))
所以,我很困惑为什么会这样,因为我认为这是输入函数的相同信息,因为 RDD 中的文本正文不包含任何换行符,而是包含方括号内的 JSON 对象(就像我上面显示的第二个示例)。
虽然这是一种变通方法,但遗憾的是缺乏;首先,使用 RDD 方法要慢得多,更重要的是,我需要获取一列我从中获取此信息的文件的名称。我知道在直接从文件加载时使用 pyspark.sql.functions
模块中的 input_file_name
函数是可能的,但是在使用 RDD 方法时这不起作用.我已经设法编写了一个纯 Python 函数,它从每个 pairedRDD 的第一个元素中获取文件名信息到 JSON 字符串中,但这速度慢得令人痛苦。
如果有人能帮我解决这个问题,我将不胜感激。我明白我可能不得不使用 RDD 方法,但我很困惑为什么 spark.read.json
在一种情况下工作得很好,而在另一种情况下却不行。
最佳答案
虽然我不确定是什么原因导致一种解决方案有效而另一种无效,但我仅使用 sql.read.json 就能够在一定程度上解决问题。
将 read.json 中的参数 allowComments、allowUnquotedFieldNames、allowSingleQuotes、allowNumericLeadingZero、allowBackslashEscapingAnyCharacter 设置为 True。通过这种方式,我能够删除空值,并且 90% 的数据在没有任何空值的数据框中成功转换。
查看其他参数here
关于json - 将单行文件中的多个 JSON 对象加载到 PySpark 时为空值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47639352/
今天我在一个 Java 应用程序中看到了几种不同的加载文件的方法。 文件:/ 文件:// 文件:/// 这三个 URL 开头有什么区别?使用它们的首选方式是什么? 非常感谢 斯特凡 最佳答案 file
就目前而言,这个问题不适合我们的问答形式。我们希望答案得到事实、引用或专业知识的支持,但这个问题可能会引起辩论、争论、投票或扩展讨论。如果您觉得这个问题可以改进并可能重新打开,visit the he
我有一个 javascript 文件,并且在该方法中有一个“测试”方法,我喜欢调用 C# 函数。 c# 函数与 javascript 文件不在同一文件中。 它位于 .cs 文件中。那么我该如何管理 j
需要检查我使用的文件/目录的权限 //filePath = path of file/directory access denied by user ( in windows ) File fil
我在一个目录中有很多 java 文件,我想在我的 Intellij 项目中使用它。但是我不想每次开始一个新项目时都将 java 文件复制到我的项目中。 我知道我可以在 Visual Studio 和
已关闭。此问题不符合Stack Overflow guidelines 。目前不接受答案。 这个问题似乎不是关于 a specific programming problem, a software
我有 3 个组件的 Twig 文件: 文件 1: {# content-here #} 文件 2: {{ title-here }} {# content-here #}
我得到了 mod_ldap.c 和 mod_authnz_ldap.c 文件。我需要使用 Linux 命令的 mod_ldap.so 和 mod_authnz_ldap.so 文件。 最佳答案 从 c
我想使用PIE在我的项目中使用 IE7。 但是我不明白的是,我只能在网络服务器上使用 .htc 文件吗? 我可以在没有网络服务器的情况下通过浏览器加载的本地页面中使用它吗? 我在 PIE 的文档中看到
我在 CI 管道中考虑这一点,我应该首先构建和测试我的应用程序,结果应该是一个 docker 镜像。 我想知道使用构建环境在构建服务器上构建然后运行测试是否更常见。也许为此使用构建脚本。最后只需将 j
using namespace std; struct WebSites { string siteName; int rank; string getSiteName() {
我是 Linux 新手,目前正在尝试使用 ginkgo USB-CAN 接口(interface) 的 API 编程功能。为了使用 C++ 对 API 进行编程,他们提供了库文件,其中包含三个带有 .
我刚学C语言,在实现一个程序时遇到了问题将 test.txt 文件作为程序的输入。 test.txt 文件的内容是: 1 30 30 40 50 60 2 40 30 50 60 60 3 30 20
如何连接两个tcpdump文件,使一个流量在文件中出现一个接一个?具体来说,我想“乘以”一个 tcpdump 文件,这样所有的 session 将一个接一个地按顺序重复几次。 最佳答案 mergeca
我有一个名为 input.MP4 的文件,它已损坏。它来自闭路电视摄像机。我什么都试过了,ffmpeg , VLC 转换,没有运气。但是,我使用了 mediainfo和 exiftool并提取以下信息
我想做什么? 我想提取 ISO 文件并编辑其中的文件,然后将其重新打包回 ISO 文件。 (正如你已经读过的) 我为什么要这样做? 我想开始修改 PSP ISO,为此我必须使用游戏资源、 Assets
给定一个 gzip 文件 Z,如果我将其解压缩为 Z',有什么办法可以重新压缩它以恢复完全相同的 gzip 文件 Z?在粗略阅读了 DEFLATE 格式后,我猜不会,因为任何给定的文件都可能在 DEF
我必须从数据库向我的邮件 ID 发送一封带有附件的邮件。 EXEC msdb.dbo.sp_send_dbmail @profile_name = 'Adventure Works Admin
我有一个大的 M4B 文件和一个 CUE 文件。我想将其拆分为多个 M4B 文件,或将其拆分为多个 MP3 文件(以前首选)。 我想在命令行中执行此操作(OS X,但如果需要可以使用 Linux),而
快速提问。我有一个没有实现文件的类的项目。 然后在 AppDelegate 我有: #import "AppDelegate.h" #import "SomeClass.h" @interface A
我是一名优秀的程序员,十分优秀!