如何將數據框的所有列轉換為數字火花 scala？

Question

我加載了一個 csv 作為數據框。 我想將所有列轉換為浮動，知道文件太大無法寫入所有列名：

val spark = SparkSession.builder.master("local").appName("my-spark-app").getOrCreate()
val df = spark.read.option("header",true).option("inferSchema", "true").csv("C:/Users/mhattabi/Desktop/dataTest2.csv")

Answer 1

以這個 DataFrame 為例：

val df = sqlContext.createDataFrame(Seq(("0", 0),("1", 1),("2", 0))).toDF("id", "c0")

使用架構：

StructType(
    StructField(id,StringType,true), 
    StructField(c0,IntegerType,false))

您可以通過.columns函數遍歷 DF 列：

val castedDF = df.columns.foldLeft(df)((current, c) => current.withColumn(c, col(c).cast("float")))

所以新的 DF 架構看起來像：

StructType(
    StructField(id,FloatType,true), 
    StructField(c0,FloatType,false))

編輯：

如果您想從轉換中排除某些列，您可以執行以下操作（假設我們要排除列id ）：

val exclude = Array("id")

val someCastedDF = (df.columns.toBuffer --= exclude).foldLeft(df)((current, c) =>
                                              current.withColumn(c, col(c).cast("float")))

其中exclude是我們要從轉換中排除的所有列的數組。

所以這個新 DF 的架構是：

StructType(
    StructField(id,StringType,true), 
    StructField(c0,FloatType,false))

請注意，這可能不是最好的解決方案，但它可以作為一個起點。