PySpark Sql 列名中包含破折号/连字符

Posted

技术标签:

【中文标题】PySpark Sql 列名中包含破折号/连字符【英文标题】:PySpark Sql with column name containing dash/hyphen in it 【发布时间】:2020-09-15 09:47:30 【问题描述】:

我有 PySpark 数据框 df

data = 'Passenger-Id': 0: 1, 1: 2, 2: 3, 3: 4, 4: 5,'Age': 0: 22, 1: 38, 2: 26, 3: 35, 4: 35
df_pd = pd.DataFrame(data, columns=data.keys())
df = spark.createDataFrame(df_pd)
+------------+---+
|Passenger-Id|Age|
+------------+---+
|           1| 22|
|           2| 38|
|           3| 26|
|           4| 35|
|           5| 35|
+------------+---+

这行得通

   df.filter(df.Age == 22).show()

但下面不起作用,因为 - 在列名中

    df.filter(df.Passenger-Id == 2).show()

AttributeError: 'DataFrame' 对象没有属性 'Passenger'

我在 spark sql 中也面临同样的问题,

        spark.sql("SELECT  Passenger-Id FROM AutoMobile").show()

        spark.sql("SELECT  automobile.Passenger-Id FROM AutoMobile").show()

遇到错误

AnalysisException:无法解析“Passenger”给定的输入列:[automobile.Age,automobile.Passenger-Id]

按照某些来源的建议,尝试用单引号给出列名,现在它只打印查询中提到的列

  spark.sql("SELECT  'Passenger-Id' FROM AutoMobile").show()
+------------+
|Passenger-Id|
+------------+
|Passenger-Id|
|Passenger-Id|
|Passenger-Id|
|Passenger-Id|
|Passenger-Id|
+------------+

【问题讨论】:

【参考方案1】:

由于列名中有 hiphen,我建议你使用来自sql.functionscol() 函数

import pyspark.sql.functions as F
df.filter(F.col('Passenger-Id')== 2).show()

这是结果

+------------+---+
|Passenger-Id|Age|
+------------+---+
|           2| 38|
+------------+---+

sql语法不行,你需要使用特殊字符“`”而不是单引号,如下所示

df.createOrReplaceTempView("AutoMobile")
spark.sql("SELECT  * FROM AutoMobile where `Passenger-Id`=2").show()

【讨论】:

以上是关于PySpark Sql 列名中包含破折号/连字符的主要内容,如果未能解决你的问题,请参考以下文章

在 BigQuery 的列名中包含特殊字符?

在 SQL Unpivot 中包含列名

pyspark:删除作为另一列值的子字符串,并从给定列的值中包含正则表达式字符

SQL Server如何查找表名或列名中包含空格的表和列

Spark生成包含(SQL LIKE)字符串的列名列表

在 SQL 请求中,如何查找字符串最后一部分中包含数字的所有记录(最后一个空格之后)