在pyspark中将字符串价格值转换为double类型
Posted
技术标签:
【中文标题】在pyspark中将字符串价格值转换为double类型【英文标题】:Convert string price value to double type in pyspark 【发布时间】:2020-02-03 08:59:20 【问题描述】:我需要将价格值转换为德国数字格式。但是,我在 pyspark 中使用了regexp_replace
函数并处理了更改方式。但是,它返回的输出类型是 StringType,我们必须将其转换为 DoubleType。执行转换时,输出值将更新为 null 值
示例数据框输入:
|price_num|
|3,104.15 |
|4,534.56 |
我正在使用数据框选择来创建一个新列:
regexp_replace(regexp_replace(regexp_replace(format_number( -1 * col('price_num').cast('double'), 2), '\\.', '@'), ',', '\\.'), '@', ',').alias(german_format)
我需要将值转换为 doubleType..请建议任何转换方式,而不是填充空值。
没有强制转换的输出:
price_num|german_format
string |string
3,104.15 |-3.104,15
4,534.56 |-4.534,56
我在投射时的输出:
price_num|german_format
string |double
3,104.15 |null
4,534.56 |null #Invalid values
预期输出:
price_num|german_format
string |double
3,104.15 |-3.104,15
4,534.56 |-4.534,56
【问题讨论】:
好吧,当string
是德语格式时,您不能转换为double
。 PySpark 不允许这样做。铸造操作必须以美国/英国格式进行,而不是欧洲格式。
***.com/questions/52702608/…
【参考方案1】:
首先,您必须从价格的欧洲字符串数字格式中删除点,并将逗号替换为点。然后你可以将它转换为 double 类型。
试试这个:
df = spark.createDataFrame([("-3.104,15",), ("-3.104,15",)], ['price_european_format'])
df.withColumn("price_double", regexp_replace(regexp_replace(
col("price_european_format"), '\\.', ''), ',', '\\.').cast("double"))\
.show()
给予:
+---------------------+------------+
|price_european_format|price_double|
+---------------------+------------+
| -3.104,15| -3104.15|
| -3.104,15| -3104.15|
+---------------------+------------+
【讨论】:
以上是关于在pyspark中将字符串价格值转换为double类型的主要内容,如果未能解决你的问题,请参考以下文章
在 PySpark 中将 URI 查询字符串转换为结构键值数组