cast方法导致java spark中的空值

Posted 2023-04-15

【中文标题】cast方法导致java spark中的空值

【英文标题】：cast method results in null values in java spark

【发布时间】：2018-12-19 16:48:22

【问题描述】：

我有一个在两个数据帧上执行连接的简单用例，我使用的是 spark 1.6.3 版本。问题是，当尝试使用 cast 方法将字符串类型转换为整数类型时，结果列都是空值。

我已经尝试了这里提到的所有解决方案How to cast a column in dataframe?，但所有问题都有 scala api 的答案，我找不到任何使用 java api 的人。

DataFrame dataFromDB = getDataFromDB("(select * from schema.table where 
col1 is not null)"); //This method uses spark sql 
                    //to connect to a db2 data base and get the data

//I perform the cast operation as
dataFromDB.withColumn("INCOME_DATA", dataFromDB.col("INCOME_DATA")
                                    .cast(DataTypes.IntegerType));
//but the above results in null values
//other things I tried based on the link above is below
dataFromDB.selectExpr(cast("INCOME_DATA" as integer")) //this too produces null values

//I tried to remove the whitespaces from income data column with no success
dataFromDB.select(dataFromDB.col("INCOME_DATA").toString().replaceAll("\\s+", ""); //this does not remove any whitespace

我无法找到它的解决方案，而且我尝试转换的列是字符串类型并且可能包含尾随空格，这可能是个问题吗？如果是，那么我该如何删除它们，我尝试如下删除它们，但似乎不起作用。 这是我第一次使用 spark 数据框，因此非常感谢任何帮助。谢谢！

【问题讨论】：

您好，能否提供一个您遇到问题的小型输入数据集？

【参考方案1】：

你可以在最后一行尝试这样的事情吗？

import org.apache.spark.sql.functions._
dataFromDB.withColumn("INCOME_DATA", regexp_replace($"INCOME_DATA", "\\s+", "")).select("INCOME_DATA")

在 Java 中：

dataFromDB.withColumn("INCOME_DATA", functions.regexp_replace(functions.col("INCOME_DATA"), "\\s+", "")).select("INCOME_DATA");

【讨论】：

我认为您提供的解决方案不适用于 Java。它是scala解决方案吗？我想要java方式。感谢您的回复！