Question

我有一个新行分隔的json文件，看起来像

{"id":1,"nested_col": {"key1": "val1", "key2": "val2", "key3": ["arr1", "arr2"]}}
{"id":2,"nested_col": {"key1": "val1_2", "key2": "val2_2", "key3": ["arr1_2", "arr2"]}}

一旦我使用df = spark.read.json(path_to_file)读取文件，我最终会得到一个架构如下的数据框：

DataFrame[id: bigint,nested_col:struct<key1:string,key2:string,key3:array<string>>]

我想要做的是转换nested_col以查看字符串而不将primitivesAsString设置为true（因为我实际上有100多列，需要推断我所有其他列的类型）。我也不知道nested_col之前的样子。换句话说，我希望我的DataFrame看起来像

DataFrame[id: bigint,nested_col:string]

我试着做

df.select(df['nested_col'].cast('string')).take(1)`

但它没有返回JSON的正确字符串表示形式：

[Row(nested_col=u'[0,2000000004,2800000004,3000000014,316c6176,326c6176,c00000002,3172726100000010,32727261]')]`

而我希望：

[Row(nested_col=u'{"key1": "val1", "key2": "val2", "key3": ["arr1", "arr2"]}')]

有谁知道我如何获得所需的结果（又称将嵌套的JSON字段/ StructType转换为字符串）？

Answer 1

老实说，解析JSON并推断架构只是为了将所有东西都推回JSON听起来有点奇怪但是你在这里：

必需的导入：

render partial: 'shared/avatar', locals: {:user => user}

辅助函数：

from pyspark.sql import types
from pyspark.sql.functions import to_json, concat_ws, concat, struct

示例用法：

def jsonify(df):
    def convert(f):
        if isinstance(f.dataType, types.StructType):
            return to_json(f.name).alias(f.name)
        if isinstance(f.dataType, types.ArrayType):
            return get_json_object(
                to_json(struct(f.name)), 
                "$.{0}".format(f.name)
            ).alias(f.name)
        return f.name

    return df.select([convert(f) for f in df.schema.fields])

df = sc.parallelize([("a", 1, (2, 3), ["1", "2", "3"])]).toDF()

jsonify(df).show()

Spark Cast StructType / JSON to String

1 个答案: