Apache Spark 将列表项转换为定义的数据类型RDD

wlzqhblo 于 2023-05-18 发布在 Apache

关注(0)|答案(1)|浏览(79)

实际上，我在Cloudera的Databricks中的Apache Spark Python工作区工作。这个想法是读取csv并格式化每个字段。
所以，第一步是读取csv：

uber = sc.textFile("dbfs:/mnt/uber/201601/pec2/uber_curated.csv")

下一步是将每一行转换为一个值列表：

uber_parsed = uber.map(lambda lin:lin.split(","))
print (uber_parsed.first())

结果是：

[u'B02765', u'2015-05-08 19:05:00', u'B02764', u'262', u'Manhattan',u'Yorkville East']

但是，现在我需要将下一个值列表中的每一项转换为下一个格式String，Date，String，Integer，String，String。

[[u'B02765', u'2015-05-08 19:05:00', u'B02764', u'262', u'Manhattan', u'Yorkville East'],
[u'B02767', u'2015-05-08 19:05:00', u'B02789', u'400', u'New York', u'Yorkville East']]

有人知道怎么做吗？

apache-spark

来源：https://stackoverflow.com/questions/41336513/convert-list-items-to-defined-data-type-rdd

1条答案

按热度按时间

sqxo8psd1#

您可以使用csv阅读器。在Spark 1.x中，你需要一个外部依赖（spark-csv）。

from pyspark.sql.types import *

sqlContext.read.format("csv").schema(StructType([
    StructField("_1", StringType()),
    StructField("_2", TimestampType()),
    StructField("_3", StringType()),
    StructField("_4", IntegerType()),
    StructField("_5", StringType()),
    StructField("_6", StringType()),
])).load("dbfs:/mnt/uber/201601/pec2/uber_curated.csv").rdd

或

sqlContext.read.format("csv").schema(StructType([
    StructField("_1", StringType()),
    StructField("_2", DateType()),
    StructField("_3", StringType()),
    StructField("_4", IntegerType()),
    StructField("_5", StringType()),
    StructField("_6", StringType()),
])).option("dateFormat", "yyyy-dd-MM HH:mm:ss").load(
    "dbfs:/mnt/uber/201601/pec2/uber_curated.csv"
).rdd

您可以替换（_1，_2.. _n），并带有描述性字段名称。

赞(0）回复(0）举报 2023-05-18

我来回答

Apache Spark 将列表项转换为定义的数据类型RDD

1条答案

相关问题

热门标签

最新问答