需要根据 1 列的值在数据集的列中设置值

Question

我有一个Dataset<Row>在java中。我需要读取 1 列的值，它是一个 JSON 字符串，解析它，并根据解析的 JSON 值设置其他几个列的值。我的数据集如下所示：|json                     | name|  age |======================================== | "{'a':'john', 'b': 23}" | null| null |----------------------------------------| "{'a':'joe', 'b': 25}"  | null| null |----------------------------------------| "{'a':'zack'}"          | null| null |----------------------------------------我需要这样做：|json                     | name  |  age |======================================== | "{'a':'john', 'b': 23}" | 'john'| 23 |----------------------------------------| "{'a':'joe', 'b': 25}"  | 'joe' | 25 |----------------------------------------| "{'a':'zack'}"          | 'zack'|null|----------------------------------------我无法找到一种方法来做到这一点。请帮助代码。

Answer 1

get_json_objectSpark 中存在一个函数。建议，您有一个名为 的数据框df，您可以选择这种方式来解决您的问题：

df.selectExpr("get_json_object(json, '$.a') as name", "get_json_object(json, '$.b') as age" )

但首先，确保你的json属性有双引号而不是单引号。

注意： 这里有完整的 Spark SQL 函数列表。我正在大量使用它。考虑将其添加到书签和不时参考。

Answer 2

你可以使用 UDF

def parseName(json: String): String = ??? // parse json

val parseNameUDF = udf[String, String](parseName)

def parseAge(json: String): Int = ??? // parse json

val parseAgeUDF = udf[Int, String](parseAge)

dataFrame

.withColumn("name", parseNameUDF(dataFrame("json")))

.withColumn("age", parseAgeUDF(dataFrame("json")))