您现在的位置是:首页 > 文章详情

spark 将DataFrame所有的列类型改为double

日期:2018-05-08点击:306
版权声明:本文由董可伦首发于https://dongkelun.com,非商业转载请注明作者及原创出处。商业转载请联系作者本人。 https://blog.csdn.net/dkl12/article/details/80256585

我的原创地址:https://dongkelun.com/2018/04/27/dfChangeAllColDatatypes/

前言

由于spark机器学习要求输入的DataFrame类型为数值类型,所以如果原始数据读进来的列为string类型,需要一一转化,而如果列很多的情况下一个转化很麻烦,所以能不能一个循环或者一个函数去解决呢。

1、单列转化方法

import org.apache.spark.sql.types._ val data = Array(("1", "2", "3", "4", "5"), ("6", "7", "8", "9", "10")) val df = spark.createDataFrame(data).toDF("col1", "col2", "col3", "col4", "col5") import org.apache.spark.sql.functions._ df.select(col("col1").cast(DoubleType)).show()
+----+ |col1| +----+ | 1.0| | 6.0| +----+

2、循环转变

然后就想能不能用这个方法循环把每一列转成double,但没想到怎么实现,可以用withColumn循环实现。

val colNames = df.columns var df1 = df for (colName <- colNames) { df1 = df1.withColumn(colName, col(colName).cast(DoubleType)) } df1.show()
+----+----+----+----+----+ |col1|col2|col3|col4|col5| +----+----+----+----+----+ | 1.0| 2.0| 3.0| 4.0| 5.0| | 6.0| 7.0| 8.0| 9.0|10.0| +----+----+----+----+----+

3、通过:_*

但是上面这个方法效率比较低,然后问了一下别人,发现scala 有array:_*这样传参这种语法,而df的select方法也支持这样传,于是最终可以按下面的这样写

val cols = colNames.map(f => col(f).cast(DoubleType)) df.select(cols: _*).show()
+----+----+----+----+----+ |col1|col2|col3|col4|col5| +----+----+----+----+----+ | 1.0| 2.0| 3.0| 4.0| 5.0| | 6.0| 7.0| 8.0| 9.0|10.0| +----+----+----+----+----+

这样就可以很方便的查询指定多列和转变指定列的类型了:

val name = "col1,col3,col5" df.select(name.split(",").map(name => col(name)): _*).show() df.select(name.split(",").map(name => col(name).cast(DoubleType)): _*).show()
+----+----+----+ |col1|col3|col5| +----+----+----+ | 1| 3| 5| | 6| 8| 10| +----+----+----+ +----+----+----+ |col1|col3|col5| +----+----+----+ | 1.0| 3.0| 5.0| | 6.0| 8.0|10.0| +----+----+----+

附完整代码:

package com.dkl.leanring.spark.test import org.apache.spark.sql.SparkSession import org.apache.spark.sql.types._ import org.apache.spark.sql.DataFrame object DfDemo { def main(args: Array[String]): Unit = { val spark = SparkSession.builder().appName("DfDemo").master("local").getOrCreate() import org.apache.spark.sql.types._ val data = Array(("1", "2", "3", "4", "5"), ("6", "7", "8", "9", "10")) val df = spark.createDataFrame(data).toDF("col1", "col2", "col3", "col4", "col5") import org.apache.spark.sql.functions._ df.select(col("col1").cast(DoubleType)).show() val colNames = df.columns var df1 = df for (colName <- colNames) { df1 = df1.withColumn(colName, col(colName).cast(DoubleType)) } df1.show() val cols = colNames.map(f => col(f).cast(DoubleType)) df.select(cols: _*).show() val name = "col1,col3,col5" df.select(name.split(",").map(name => col(name)): _*).show() df.select(name.split(",").map(name => col(name).cast(DoubleType)): _*).show() }
原文链接:https://yq.aliyun.com/articles/676209
关注公众号

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。

持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。

文章评论

共有0条评论来说两句吧...

文章二维码

扫描即可查看该文章

点击排行

推荐阅读

最新文章