将字符串格式的科学记数法转换为火花数据帧中的数字[重复]
Posted
技术标签:
【中文标题】将字符串格式的科学记数法转换为火花数据帧中的数字[重复]【英文标题】:convert scientific notation in string format to numeric in spark dataframe [duplicate] 【发布时间】:2019-04-30 05:58:13 【问题描述】:Day_Date,timeofday_desc,Timeofday_hour,Timeofday_minute,Timeofday_second,value
2017-12-18,12:21:02 AM,0,21,2,“1.779209040E+08”
2017-12-19,12:21:02 AM,0,21,2,“1.779209040E+08”
2017-12-20,12:30:52 AM,0,30,52,“1.779209040E+08”
2017-12-21,12:30:52 AM,0,30,52,“1.779209040E+08”
2017-12-22,12:47:10 AM,0,47,10,“1.779209040E+08”
2017-12-23,12:47:10 AM,0,47,10,“1.779209040E+08”
2017-12-24,02:46:59 AM,2,46,59,“1.779209040E+08”
2017-12-25,02:46:59 AM,2,46,59,“1.779209040E+08”
2017-12-26,03:10:27 AM,3,10,27,“1.779209040E+08”
2017-12-27,03:10:27 AM,3,10,27,“1.779209040E+08”
2017-12-28,03:52:08 AM,3,52,8,“1.779209040E+08”
我正在尝试将value
列转换为177920904
val df1 = df.withColumn("s", 'value.cast("Decimal(10,4)")).drop("value").withColumnRenamed("s", "value")
还尝试将值转换为Float
、Double
。始终将 null 作为输出
df1.select("value").show()
+-----------+
| value |
+-----------+
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
df.printSchema
root
|-- Day_Date: string (nullable = true)
|-- timeofday_desc: string (nullable = true)
|-- Timeofday_hour: string (nullable = true)
|-- Timeofday_minute: string (nullable = true)
|-- Timeofday_second: string (nullable = true)
|-- value: string (nullable = true)
【问题讨论】:
【参考方案1】:只需要将其转换为十进制,并留出足够的空间来容纳数字。
Decimal 是 Decimal(precision, scale),所以 Decimal(10, 4) 表示总共 10 位数字,点左侧 6 位,右侧 4 位,因此该数字不适合您的 Decimal 类型。
来自文档
precision 表示可以计算的总位数 代表
scale 表示小数位数。这个值必须是 小于或等于精度。比例为 0 产生积分 值,没有小数部分
既然你不想要右边的任何数字,你可以试试这个
df.withColumn("s", 'value.cast("Decimal(10,0)"))
如果你想保留4位小数,你可以把它改成
df.withColumn("s", 'value.cast("Decimal(14,4)"))
输入
df.show
+---------------+
| value|
+---------------+
|1.779209040E+08|
+---------------+
输出
scala> df.withColumn("s", 'value.cast("Decimal(10,0)")).show
+---------------+---------+
| value| s|
+---------------+---------+
|1.779209040E+08|177920904|
+---------------+---------+
完整解决方案
不删除也不重命名
val df1 = df.withColumn("value", 'value.cast("Decimal(10,0)"))
修复输入数据
正如我在评论中所说,问题是您的数字周围包含一些奇怪的字符,您应该在投射之前将其删除
原创
scala> df.show
+----------+--------------+--------------+----------------+----------------+-----------------+
| Day_Date|timeofday_desc|Timeofday_hour|Timeofday_minute|Timeofday_second| value|
+----------+--------------+--------------+----------------+----------------+-----------------+
|2017-12-18| 12:21:02 AM| 0| 21| 2| ?1.779209040E+08|
|2017-12-19| 12:21:02 AM| 0| 21| 2|?1.779209040E+08?|
|2017-12-20| 12:30:52 AM| 0| 30| 52| ?1.779209040E+08|
|2017-12-21| 12:30:52 AM| 0| 30| 52| ?1.779209040E+08|
|2017-12-22| 12:47:10 AM| 0| 47| 10| ?1.779209040E+08|
|2017-12-23| 12:47:10 AM| 0| 47| 10| ?1.779209040E+08|
|2017-12-24| 02:46:59 AM| 2| 46| 59| ?1.779209040E+08|
|2017-12-25| 02:46:59 AM| 2| 46| 59| ?1.779209040E+08|
|2017-12-26| 03:10:27 AM| 3| 10| 27| ?1.779209040E+08|
|2017-12-27| 03:10:27 AM| 3| 10| 27| ?1.779209040E+08|
|2017-12-28| 03:52:08 AM| 3| 52| 8| ?1.779209040E+08|
+----------+--------------+--------------+----------------+----------------+-----------------+
有很多方法可以删除它们,一种快速的方法是使用 UDF 和正则表达式来删除除数字、字母、点、+ 和 - 之外的所有内容
def clean(input: String) = input.replaceAll("[^a-zA-Z0-9\\+\\.-]", "")
val cleanUDF = udf(clean _ )
df.withColumn("value", cleanUDF($"value").cast(DecimalType(10,0))).show
+----------+--------------+--------------+----------------+----------------+---------+
| Day_Date|timeofday_desc|Timeofday_hour|Timeofday_minute|Timeofday_second| value|
+----------+--------------+--------------+----------------+----------------+---------+
|2017-12-18| 12:21:02 AM| 0| 21| 2|177920904|
|2017-12-19| 12:21:02 AM| 0| 21| 2|177920904|
|2017-12-20| 12:30:52 AM| 0| 30| 52|177920904|
|2017-12-21| 12:30:52 AM| 0| 30| 52|177920904|
|2017-12-22| 12:47:10 AM| 0| 47| 10|177920904|
|2017-12-23| 12:47:10 AM| 0| 47| 10|177920904|
|2017-12-24| 02:46:59 AM| 2| 46| 59|177920904|
|2017-12-25| 02:46:59 AM| 2| 46| 59|177920904|
|2017-12-26| 03:10:27 AM| 3| 10| 27|177920904|
|2017-12-27| 03:10:27 AM| 3| 10| 27|177920904|
|2017-12-28| 03:52:08 AM| 3| 52| 8|177920904|
+----------+--------------+--------------+----------------+----------------+---------+
【讨论】:
不知道为什么,但我仍然为空 使用我发布的代码?请再次发布它,只是为了检查是否有一些小错误或拼写错误。原始数据框中数字的数据类型是什么?字符串还是什么? 使用了相同的代码df.withColumn("s", 'value.cast("Decimal(10,0)")).show
,而我的列 s 仍然没有。你能发表一下你是如何阅读 csv 的吗?
我认为问题可能出在数字周围的那些堰引号
好的,我遇到了问题,这是因为“1.779209040E+08”
双引号,因为excel它得到了不同类型的双引号。使用普通双引号或替换这些双引号,您可以轻松地将其转换为小数。以上是关于将字符串格式的科学记数法转换为火花数据帧中的数字[重复]的主要内容,如果未能解决你的问题,请参考以下文章
pandas.read_csv 将字符串转换为科学记数法中的“数字”(我不想要)