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，我想把所有列都转换为float，知道该文件要大写所有列名

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")

感谢任何帮助

Answer 1

以此DataFrame为例：

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

with schema：

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

您可以通过 .columns 函数循环显示DF列：

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

所以新的DF架构如下所示：

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

修改

如果您想从某些列中排除某些列，可以执行类似的操作（假设我们要排除列 id ）：

val exclude = Array("id")

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

其中exclude是我们要从强制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，这可能不是最佳解决方案，但它可以作为一个起点。