替换PySp中的字符串

Question

我有一个数据帧，有欧洲格式的数字，我把它作为字符串导入。逗号为十进制，反之亦然-

from pyspark.sql.functions import regexp_replace,col
from pyspark.sql.types import FloatType
df = spark.createDataFrame([('-1.269,75',)], ['revenue'])
df.show()
+---------+
|  revenue|
+---------+
|-1.269,75|
+---------+
df.printSchema()
root
 |-- revenue: string (nullable = true)

所需输出： 测向显示（）

^{pr2}$

我使用函数regexp_replace首先将点替换为空格-然后将逗号替换为空点，最后转换为floatType。在

df = df.withColumn('revenue', regexp_replace(col('revenue'), ".", ""))
df = df.withColumn('revenue', regexp_replace(col('revenue'), ",", "."))
df = df.withColumn('revenue', df['revenue'].cast("float"))

但是，当我尝试替换下面的内容时，我得到了空字符串。为什么？我在等-1269,75。在

df = df.withColumn('revenue', regexp_replace(col('revenue'), ".", ""))
+-------+
|revenue|
+-------+
|       |
+-------+

Answer 1

您需要转义.来匹配它，因为.是正则表达式中matches almost any character的一个特殊字符：

df = df.withColumn('revenue', regexp_replace(col('revenue'), "\\.", ""))