Pyspark SQL не разбивает столбец

Я пытался разделить свой столбец с помощью pyspark sql на основе значений, хранящихся в другом столбце, но, похоже, это не работает для некоторых специальных символов.

Вот мой код:

df = spark.createDataFrame([("50000.0#0#0#", "#"),
  ("[email protected]@", "@"),
  ("1$", "$"),
  ("1000.00^Test_string", "^")],["VALUES", "Delimiter"])

df.registerTempTable("cleanTable")

df2 = spark.sql("""
                SELECT 
                    VALUES, cast(Delimiter as string),
                    split(cast(VALUES as string), cast(Delimiter as string)) as split_values
                FROM cleanTable
                """)

и вот мой результат:

+-------------------+---------+---------------------+
|VALUES             |Delimiter|split_values         |
+-------------------+---------+---------------------+
|50000.0#0#0#       |#        |[50000.0, 0, 0, ]    |
|[email protected]@          |@        |[0, 1000.0, ]        |
|1$                 |$        |[1$, ]               |
|1000.00^Test_string|^        |[1000.00^Test_string]|
+-------------------+---------+---------------------+

Я не понимаю, почему это не работает с такими разделителями, как $ и ^, есть ли какая-то дополнительная конфигурация, которую мне нужно добавить, чтобы это работало?

Кроме того, он работает с использованием pyspark sql, как я могу использовать функцию разделения со столбцом в качестве параметра для разделения? Я имею в виду split(col('a'),col('b')) возможно ли это?

Вопрос меня немного сбивает с толку. Не могли бы вы также поделиться, каким должен быть желаемый результат?

Joe Ferndz 14.07.2024 07:01
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
1
57
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы можете добавить escape-символ '\\' перед полем Delimiter. Например:

df = df.withColumn(
    'DelimiterEscaped',
    F.concat(F.lit('\\'), F.col('Delimiter'))
)
df.createOrReplaceTempView("cleanTable")

+-------------------+---------+----------------+
|             VALUES|Delimiter|DelimiterEscaped|
+-------------------+---------+----------------+
|       50000.0#0#0#|        #|              \#|
|          [email protected]@|        @|              \@|
|                 1$|        $|              \$|
|1000.00^Test_string|        ^|              \^|
+-------------------+---------+----------------+

Тогда при создании df2 вы должны получить правильный результат:

df2 = spark.sql("""
                SELECT 
                    VALUES, cast(Delimiter as string),
                    split(cast(VALUES as string), cast(DelimiterEscaped as string)) as split_values
                FROM cleanTable
                """)

+-------------------+---------+----------------------+
|VALUES             |Delimiter|split_values          |
+-------------------+---------+----------------------+
|50000.0#0#0#       |#        |[50000.0, 0, 0, ]     |
|[email protected]@          |@        |[0, 1000.0, ]         |
|1$                 |$        |[1, ]                 |
|1000.00^Test_string|^        |[1000.00, Test_string]|
+-------------------+---------+----------------------+

Другие вопросы по теме