将列名添加到从没有列名的csv文件中读取的数据

Question

我正在使用Apache Spark和Scala.

我有一个csv文件,第一行没有列名.就像这样:

28,Martok,49,476
29,Nog,48,364
30,Keiko,50,175
31,Miles,39,161

列表示ID,名称,年龄,numOfFriends.

在我的Scala对象中,我使用来自csv文件的SparkSession创建数据集,如下所示:

val spark = SparkSession.builder.master("local[*]").getOrCreate()
val df = spark.read.option("inferSchema","true").csv("../myfile.csv")
df.printSchema()

当我运行程序时,结果是:

|-- _c0: integer (nullable = true)
|-- _c1: string (nullable = true)
|-- _c2: integer (nullable = true)
|-- _c3: integer (nullable = true)

如何在数据集中的列中添加名称？

Answer 1

您可以toDF在读取CSV文件时指定列名称:

val df = spark.read.option("inferSchema","true").csv("../myfile.csv").toDF(
  "ID", "name", "age", "numOfFriends"
)

或者,如果您已经创建了DataFrame,则可以按如下方式重命名其列:

val newColNames = Seq("ID", "name", "age", "numOfFriends")
val df2 = df.toDF(newColNames: _*)