spark 将DataFrame所有的列类型改为double

转载请务必注明原创地址为：https://dongkelun.com/2018/04/27/dfChangeAllColDatatypes/

前言

由于spark机器学习要求输入的DataFrame类型为数值类型，所以如果原始数据读进来的列为string类型，需要一一转化，而如果列很多的情况下一个转化很麻烦，所以能不能一个循环或者一个函数去解决呢。

1、单列转化方法

import org.apache.spark.sql.types._val data = Array(("1", "2", "3", "4", "5"), ("6", "7", "8", "9", "10"))val df = spark.createDataFrame(data).toDF("col1", "col2", "col3", "col4", "col5")import org.apache.spark.sql.functions._
df.select(col("col1").cast(DoubleType)).show()

+----+|col1|+----+| 1.0|| 6.0|+----+

2、循环转变

然后就想能不能用这个方法循环把每一列转成double，但没想到怎么实现，可以用withColumn循环实现。

val colNames = df.columnsvar df1 = dffor (colName <- colNames) {
  df1 = df1.withColumn(colName, col(colName).cast(DoubleType))
}
df1.show()

+----+----+----+----+----+|col1|col2|col3|col4|col5|+----+----+----+----+----+| 1.0| 2.0| 3.0| 4.0| 5.0|| 6.0| 7.0| 8.0| 9.0|10.0|+----+----+----+----+----+

3、通过:_*

但是上面这个方法效率比较低，然后问了一下别人，发现scala 有array:_*这样传参这种语法，而df的select方法也支持这样传，于是最终可以按下面的这样写

val cols = colNames.map(f => col(f).cast(DoubleType))
df.select(cols: _*).show()

+----+----+----+----+----+|col1|col2|col3|col4|col5|+----+----+----+----+----+| 1.0| 2.0| 3.0| 4.0| 5.0|| 6.0| 7.0| 8.0| 9.0|10.0|+----+----+----+----+----+

这样就可以很方便的查询指定多列和转变指定列的类型了：

val name = "col1,col3,col5"df.select(name.split(",").map(name => col(name)): _*).show()
df.select(name.split(",").map(name => col(name).cast(DoubleType)): _*).show()

+----+----+----+|col1|col3|col5|+----+----+----+|   1|   3|   5||   6|   8|  10|+----+----+----+

+----+----+----+|col1|col3|col5|+----+----+----+| 1.0| 3.0| 5.0|| 6.0| 8.0|10.0|+----+----+----+

附完整代码：

package com.dkl.leanring.spark.testimport org.apache.spark.sql.SparkSessionimport org.apache.spark.sql.types._import org.apache.spark.sql.DataFrameobject DfDemo {  def main(args: Array[String]): Unit = {    val spark = SparkSession.builder().appName("DfDemo").master("local").getOrCreate()    import org.apache.spark.sql.types._    val data = Array(("1", "2", "3", "4", "5"), ("6", "7", "8", "9", "10"))    val df = spark.createDataFrame(data).toDF("col1", "col2", "col3", "col4", "col5")    import org.apache.spark.sql.functions._
    df.select(col("col1").cast(DoubleType)).show()    val colNames = df.columns    var df1 = df    for (colName <- colNames) {
      df1 = df1.withColumn(colName, col(colName).cast(DoubleType))
    }
    df1.show()    val cols = colNames.map(f => col(f).cast(DoubleType))
    df.select(cols: _*).show()    val name = "col1,col3,col5"
    df.select(name.split(",").map(name => col(name)): _*).show()
    df.select(name.split(",").map(name => col(name).cast(DoubleType)): _*).show()

  }

作者：董可伦
链接：https://www.jianshu.com/p/0634527f3cce