将数据框的所有列转换为数字spark scala

Question

大家好我加载了一个csv作为数据帧,我想将所有列转换为浮动,知道该文件是大写所有列名称

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")

任何帮助将不胜感激

Answer 1

以此DataFrame为例:

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

与架构:

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

您可以通过.columns函数循环遍历DF列:

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

所以新的DF架构看起来像:

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

编辑:

如果你想从转换中排除某些列,你可以做类似的事情(假设我们想要排除列id):

val exclude = Array("id")

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

where exclude是我们要从转换中排除的所有列的数组.

所以这个新DF的架构是:

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

请注意,这可能不是最好的解决方案,但它可以作为一个起点.