在 Spark 中将数据帧转换为 json 时如何打印空值

Question

我有一个从 csv 读取的数据框。

CSV:
name,age,pets
Alice,23,dog
Bob,30,dog
Charlie,35,

Reading this into a DataFrame called myData:
+-------+---+----+
|   name|age|pets|
+-------+---+----+
|  Alice| 23| dog|
|    Bob| 30| dog|
|Charlie| 35|null|
+-------+---+----+

现在，我想使用myData.toJSON将此数据帧的每一行转换为 json。 我得到的是以下jsons。

{"name":"Alice","age":"23","pets":"dog"}
{"name":"Bob","age":"30","pets":"dog"}
{"name":"Charlie","age":"35"}

我希望第三行的 json 包含空值。 例如。

{"name":"Charlie","age":"35", "pets":null}

然而，这似乎是不可能的。 我通过代码调试，看到Spark的org.apache.spark.sql.catalyst.json.JacksonGenerator类有如下实现

  private def writeFields(
    row: InternalRow, schema: StructType, fieldWriters: 
    Seq[ValueWriter]): Unit = {
    var i = 0
    while (i < row.numFields) {
      val field = schema(i)
      if (!row.isNullAt(i)) {
        gen.writeFieldName(field.name)
        fieldWriters(i).apply(row, i)
      }
      i += 1
    }
  }

如果它为空，这似乎是跳过一列。 我不太确定为什么这是默认行为，但是有没有办法使用 Spark 的toJSON在 json 中打印空值？

我正在使用Spark 2.1.0

Answer 1

要使用 Spark 的toJSON方法打印 JSON 中的空值，您可以使用以下代码：

myData.na.fill("null").toJSON

它会给你预期的结果：

+-------------------------------------------+
|value                                      |
+-------------------------------------------+
|{"name":"Alice","age":"23","pets":"dog"}   |
|{"name":"Bob","age":"30","pets":"dog"}     |
|{"name":"Charlie","age":"35","pets":"null"}|
+-------------------------------------------+

我希望它有帮助！

Answer 2

我修改了 JacksonGenerator.writeFields 函数并包含在我的项目中。 下面是步骤——

1）在“src/main/scala/”中创建包“org.apache.spark.sql.catalyst.json”

2) 复制 JacksonGenerator 类

3) 在 '' 包中创建 JacksonGenerator.scala 类并粘贴复制的代码

4）修改writeFields函数

private def writeFields(row: InternalRow, schema: StructType, fieldWriters:Seq[ValueWriter]): Unit = {
var i = 0
while (i < row.numFields) {
  val field = schema(i)
  if (!row.isNullAt(i)) {
    gen.writeFieldName(field.name)
    fieldWriters(i).apply(row, i)
  }
  else{
    gen.writeNullField(field.name)
  }
  i += 1
}}

Answer 3

import org.apache.spark.sql.types._
import scala.util.parsing.json.JSONObject

def convertRowToJSON(row: Row): String = {
    val m = row.getValuesMap(row.schema.fieldNames).filter(_._2 != null)
    JSONObject(m).toString()
  }

Answer 4

用 Spark 3.0.0 测试：

创建spark.sql.jsonGenerator.ignoreNullFields会话时，将spark.sql.jsonGenerator.ignoreNullFields设置为 false。

toJSON函数在内部使用org.apache.spark.sql.catalyst.json.JacksonGenerator ，后者又使用org.apache.spark.sql.catalyst.json.JSONOptions进行配置。 后者包括一个选项ignoreNullFields 。 但是， toJSON使用默认值，在此特定选项的情况下，默认值取自上面给出的 sql 配置。

配置设置为 false 的示例：

val schema = StructType(Seq(StructField("a", StringType), StructField("b", StringType)))
val rows = Seq(Row("a", null), Row(null, "b"))
val frame = spark.createDataFrame(spark.sparkContext.parallelize(rows), schema)
println(frame.toJSON.collect().mkString("\n"))

产生

{"a":"a","b":null}
{"a":null,"b":"b"}