Pyspark：将嵌套结构转换为字符串的数组

Question

我有一个名为Filters的列的pyspark dataframe： “阵列>；”

我想将我的数据帧保存在csv文件中，为此我需要将数组转换为字符串类型。

我试图转换它：DF.Filters.tostring()和DF.Filters.cast(StringType())，但这两个解决方案都为列过滤器中的每一行生成错误消息：

org.apache.spark.sql.catalyst.expressions.UnsafeArrayData@56234c19

代码如下

from pyspark.sql.types import StringType

DF.printSchema()

|-- ClientNum: string (nullable = true)
|-- Filters: array (nullable = true)
    |-- element: struct (containsNull = true)
          |-- Op: string (nullable = true)
          |-- Type: string (nullable = true)
          |-- Val: string (nullable = true)

DF_cast = DF.select ('ClientNum',DF.Filters.cast(StringType())) 

DF_cast.printSchema()

|-- ClientNum: string (nullable = true)
|-- Filters: string (nullable = true)

DF_cast.show()

| ClientNum | Filters 
|  32103    | org.apache.spark.sql.catalyst.expressions.UnsafeArrayData@d9e517ce
|  218056   | org.apache.spark.sql.catalyst.expressions.UnsafeArrayData@3c744494

JSON数据示例：

{"ClientNum":"abc123","Filters":[{"Op":"foo","Type":"bar","Val":"baz"}]}

谢谢！！

Answer 1

你可以试试这个：

DF = DF.withColumn('Filters', DF.Filters.cast("string"))

Answer 2

在Pyspark中，函数to_json()完成了任务。

与简单的字符串转换相比，它还保留了“struct键”（而不仅仅是“struct值”）。因此，对于所报告的示例，我将得到如下内容：

[{"Op":"foo","Type":"bar","Val":"baz"}]

这对我更有用，因为我必须将结果写入Postgres表。在这种格式下，我可以很容易地在Postgres中使用受支持的JSON函数

Answer 3

我创建了一个示例JSON数据集来匹配该模式：

{"ClientNum":"abc123","Filters":[{"Op":"foo","Type":"bar","Val":"baz"}]}

select(s.col("ClientNum"),s.col("Filters").cast(StringType)).show(false)

+---------+------------------------------------------------------------------+
|ClientNum|Filters                                                           |
+---------+------------------------------------------------------------------+
|abc123   |org.apache.spark.sql.catalyst.expressions.UnsafeArrayData@60fca57e|
+---------+------------------------------------------------------------------+

最好使用explode（）函数来解决您的问题，该函数先展平一个数组，然后使用star expand表示法：

s.selectExpr("explode(Filters) AS structCol").selectExpr("structCol.*").show()
+---+----+---+
| Op|Type|Val|
+---+----+---+
|foo| bar|baz|
+---+----+---+

要使其成为由逗号分隔的单列字符串，请执行以下操作：

s.selectExpr("explode(Filters) AS structCol").select(F.expr("concat_ws(',', structCol.*)").alias("single_col")).show()
+-----------+
| single_col|
+-----------+
|foo,bar,baz|
+-----------+

分解数组引用：Flattening Rows in Spark

“struct”类型的星扩展引用：How to flatten a struct in a spark dataframe?