如何从火花DF中的多列中删除属于字符串一部分的所有\
个字符?
示例行:
11~ADX\|0.00\|ZZ\|BP\|WHT~SE\|41\|0064~GE\|0001\
预期产出:
11~ADX|0.00|ZZ|BP|WHT~SE|41|0064~GE|0001
答案 0 :(得分:1)
对数据框中的所有列使用foldLeft
,这样您就可以在每个单独的列上使用regexp_replace
并返回最终的数据帧。使用问题中的示例数据框(下面称为df
),删除所有反斜杠:
val df2 = df.columns.foldLeft(df)((df, c) => df.withColumn(c, regexp_replace(col(c), "\\\\", "")))
您还可以使用以下内容转义所有反斜杠:
val df2 = df.columns.foldLeft(df)((df, c) => df.withColumn(c, regexp_replace(col(c), "\\\\", "\\\\\\\\")))
如果不是所有列都应该使用,请创建一个包含要使用的列的单独变量。要使用除一个(下面的col
列)之外的所有列,请使用:
val cols = df.columns diff List("col")
cols.foldLeft ...
答案 1 :(得分:0)
我正在尝试在Pyspark中实施相同的方法。但是,找不到与以下代码等效的代码:
val df2 = df.columns.foldLeft(df)((df, c) => df.withColumn(c, regexp_replace(col(c),
"\\\\", "")))
我尝试按以下步骤对列进行迭代,但是没有用。
def cleanColumn(tmpdf,colName,findChar,replaceChar):
tmpdf = tmpdf.withColumn(colName, regexp_replace(colName, findChar, replaceChar))
return tmpdf
def cleanDF(df):
allColNames = df.schema.names
charsToRemove= ["\\","\!","\\r","\\n"]
replaceWith =" "
for colName in allColNames:
for charToRemove in charsToRemove:
df=cleanColumn(df,colName,charToRemove,replaceWith)
return df