Spark DataFrame根据列条件更改数据类型

Question

我有一个大约1000列的Spark DataFrame df1，所有String类型列。 现在我想根据列名的条件将df1的列类型从字符串转换为其他类型，如double，int等。 例如，假设df1只有三列字符串类型

df1.printSchema

col1_term1: String
col2_term2: String 
col3_term3: String

更改列类型的条件是，如果col name包含term1，则将其更改为int，如果col name包含term2，则将其更改为double，依此类推。 我是Spark的新手。

Answer 1

您可以简单地映射列，并根据列名将列转换为正确的数据类型：

import org.apache.spark.sql.types._

val df = Seq(("1", "2", "3"), ("2", "3", "4")).toDF("col1_term1", "col2_term2", "col3_term3")

val cols = df.columns.map(x => {
    if (x.contains("term1")) col(x).cast(IntegerType) 
    else if (x.contains("term2")) col(x).cast(DoubleType) 
    else col(x)
})

df.select(cols: _*).printSchema
root
 |-- col1_term1: integer (nullable = true)
 |-- col2_term2: double (nullable = true)
 |-- col3_term3: string (nullable = true)

Answer 2

虽然它不会产生任何不同于@Psidom提出的解决方案的结果 ，你也可以使用一些Scala的语法 -像这样的糖

val modifiedDf: DataFrame = originalDf.columns.foldLeft[DataFrame](originalDf) { (tmpDf: DataFrame, colName: String) =>
  if (colName.contains("term1")) tmpDf.withColumn(colName, tmpDf(colName).cast(IntegerType))
  else if (colName.contains("term2")) tmpDf.withColumn(colName, tmpDf(colName).cast(DoubleType))
  else tmpDf
}