将列名添加到从没有列名的csv文件中读取的数据

时间:2017-11-05 11:00:29

标签: scala csv apache-spark apache-spark-sql

我正在使用带有Scala的Apache Spark。

我有一个csv文件,第一行没有列名。它是这样的:

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

列代表ID,名称,年龄,numOfFriends。

在我的Scala对象中,我使用csv文件中的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)

如何为数据集中的列添加名称?

1 个答案:

答案 0 :(得分:13)

您可以在阅读CSV文件时使用toDF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: _*)