scala - 如何将数据框的所有列转换为数字 Spark scala？

Question

我加载了一个 csv 作为数据框。我想将所有列转换为 float ，知道文件太大无法写入所有列名:

val spark = SparkSession.builder.master("local").appName("my-spark-app").getOrCreate()
val df = spark.read.option("header",true).option("inferSchema", "true").csv("C:/Users/mhattabi/Desktop/dataTest2.csv")

Answer 1

以这个 DataFrame 为例:

val df = sqlContext.createDataFrame(Seq(("0", 0),("1", 1),("2", 0))).toDF("id", "c0")

使用架构:

StructType(
    StructField(id,StringType,true), 
    StructField(c0,IntegerType,false))

您可以通过 遍历 DF 列.columns 职能:

val castedDF = df.columns.foldLeft(df)((current, c) => current.withColumn(c, col(c).cast("float")))

所以新的 DF 架构看起来像:

StructType(
    StructField(id,FloatType,true), 
    StructField(c0,FloatType,false))

编辑:

如果您想从转换中排除某些列，您可以执行以下操作(假设我们要排除列 id ):

val exclude = Array("id")

val someCastedDF = (df.columns.toBuffer --= exclude).foldLeft(df)((current, c) =>
                                              current.withColumn(c, col(c).cast("float")))

哪里 exclude是我们想要从转换中排除的所有列的数组。

所以这个新 DF 的架构是:

StructType(
    StructField(id,StringType,true), 
    StructField(c0,FloatType,false))

请注意，这可能不是最好的解决方案，但它可以作为一个起点。