Question

将固定宽度的文件读入Spark很容易，并且有多种方法可以这样做。但是，我找不到从spark（2.3.1）写入固定宽度输出的方法。将DF转换为RDD会有所帮助吗？当前正在使用Pyspark，但欢迎使用任何语言。有人可以建议出路吗？

Answer 1

以下是我在comments中描述的示例。

您可以使用pyspark.sql.functions.format_string()将每一列格式化为固定宽度，然后使用pyspark.sql.functions.concat()将它们全部组合成一个字符串。

例如，假设您具有以下DataFrame：

data = [
    (1, "one", "2016-01-01"),
    (2, "two", "2016-02-01"),
    (3, "three", "2016-03-01")
]

df = spark.createDataFrame(data, ["id", "value", "date"])
df.show()
#+---+-----+----------+
#| id|value|      date|
#+---+-----+----------+
#|  1|  one|2016-01-01|
#|  2|  two|2016-02-01|
#|  3|three|2016-03-01|
#+---+-----+----------+

假设您要写出左对齐的固定宽度为10的数据

from pyspark.sql.functions import concat, format_string

fixed_width = 10
ljust = r"%-{width}s".format(width=fixed_width)

df.select(
    concat(*[format_string(ljust,c) for c in df.columns]).alias("fixedWidth")
).show(truncate=False)
#+------------------------------+
#|fixedWidth                    |
#+------------------------------+
#|1         one       2016-01-01|
#|2         two       2016-02-01|
#|3         three     2016-03-01|
#+------------------------------+

这里，我们使用printf的{{1}}样式格式将左对齐宽度指定为10。

如果您想对字符串进行右对齐，请删除负号：

%-10s

现在您只能将rjust = r"%{width}s".format(width=fixed_width) df.select( concat(*[format_string(rjust,c) for c in df.columns]).alias("fixedWidth") ).show(truncate=False) #+------------------------------+ #|fixedWidth | #+------------------------------+ #| 1 one2016-01-01| #| 2 two2016-02-01| #| 3 three2016-03-01| #+------------------------------+列写到输出文件中。

火花写入输出为固定宽度

1 个答案: