如何根据字段的值对df进行模式推断？

dldeef67 于 2021-07-14 发布在 Spark

关注(0)|答案(1)|浏览(358)

我有一个领域 my_structure 这会根据 my_type ，例如

+--------------------+--------------------+
|             my_type|        my_structure|
+--------------------+--------------------+
|                   a|           [1, 2, 3]|
|                   a|           [4, 5, 6]|
|                   b|                null|
|                   c|               ['Z']|
|                   c|               ['X']|
``` `my_structure` 的结构会根据 `my_type` 的值：使用 `a` 是一个 `struct` 带3个元素，带 `b` 是 `null` 和 `c` 只有一个字符串值的结构。
如何拥有3个不同的Dataframe，每个Dataframe都有其特定的结构？

apache-spark pyspark

来源：https://stackoverflow.com/questions/67094586/how-to-posticipate-schema-inference-of-a-df-based-on-a-fields-value

1条答案

按热度按时间

ecbunoof1#

在这种情况下，方法 toJSON() 在基于感兴趣的值过滤df之后，推迟模式推断非常方便：

df.cache()

df.filter("my_type = 'a'").toJSON()
df_a = spark.read.json(df)

df.filter("my_type = 'b'").toJSON()
df_b = spark.read.json(df)

df.filter("my_type = 'c'").toJSON()
df_c = spark.read.json(df)

df.unpersist()

我是源头 df 因为在这种情况下它被调用了3次，所以要提高性能。
但就这样 df_a , df_b 以及 df_c 在“运行时”根据假设的值推断出3种不同的结构 my_type

赞(0）回复(0）举报 2021-07-14

我来回答

如何根据字段的值对df进行模式推断？

1条答案

相关问题

热门标签

最新问答