在Scala Spark中以编程方式将所有特定数据类型列转换为其他数据类型
我正在以编程方式尝试转换列的数据类型并遇到一些编码问题。
我修改了这里使用的代码。
数据>>任何数字都被读作字符串。
代码>>
import org.apache.spark.sql
raw_data.schema.fields
.collect({case x if x.dataType.typeName == "string" => x.name})
.foldLeft(raw_data)({case(dframe,field) => dframe(field).cast(sql.types.IntegerType)})错误>>
:75: error: type mismatch;
found : org.apache.spark.sql.Column
required: org.apache.spark.sql.DataFrame
(which expands to) org.apache.spark.sql.Dataset[org.apache.spark.sql.Row]
.foldLeft(raw_data)({case(dframe,field) => dframe(field).cast(sql.types.IntegerType)})
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。问题是，结果dframe(field).cast(sql.types.IntegerType)中foldLeft为列，然而，继续迭代一个数据帧的预期。在dframe.drop(field)使用最初来自代码的链接中，它确实返回数据帧并因此起作用。
要解决此问题，只需使用withColumn哪个将调整特定列，然后返回整个数据帧：
foldLeft(raw_data)({case(dframe, field) => dframe.withColumn(field, dframe(field).cast(sql.types.IntegerType))})
2019-07-17 23:18:25赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
