生成空 spark DF 提供了一个包含列名的列表

Question

我不确定这是否是一个有效的问题，但我想问一下。

有没有一种方法可以使用带有列名的列表并生成一个空的 spark 数据框，应该使用列表中的元素创建架构，所有列的数据类型为 StringType。

例如：

column_names = "ColA|ColB|ColC"

def Convert(string):
    li = list(string.split("|"))
    return li

schema_names = Convert(column_names)

#schema_names = ['ColA', 'ColB', 'ColC']

我如何使用这个列表来创建一个 DF Schema 或一个空的 DF

**这有点类似于 How to create an empty DataFrame with a specified schema? ，因为我也在尝试创建空的 DF 模式，但我提到的方法不同。我正在尝试从列表中生成架构。

Answer 1

我有一个肮脏的解决方案。可能不是最好的：

column_names = "ColA|ColB|ColC"

df = spark.createDataFrame(
  [
    tuple('' for i in column_names.split("|"))
  ],
  column_names.split("|")
).where("1=0")

df.show()

+----+----+----+
|ColA|ColB|ColC|
+----+----+----+
+----+----+----+

Answer 2

由于您希望所有列都为StringType()，请按如下方式定义架构：

from pyspark.sql.types import StructType, StructField, StringType

column_names = "ColA|ColB|ColC"
mySchema = StructType([StructField(c, StringType()) for c in column_names.split("|")])

现在只需将一个空列表作为数据连同此架构一起传递给spark.createDataFrame()：

df = spark.createDataFrame(data=[], schema=mySchema)
df.show()
#+----+----+----+
#|ColA|ColB|ColC|
#+----+----+----+
#+----+----+----+

现在您也可以将此架构重用于其他 DataFrame。

Answer 3

在 Scala 中：

val columns = List("ColA", "ColB", "ColC")
val result = columns.foldLeft(spark.emptyDataFrame)((a, b) => a.withColumn(b, lit("anyStringValue")))
result.printSchema()
result.show(false)

输出：

root
 |-- ColA: string (nullable = false)
 |-- ColB: string (nullable = false)
 |-- ColC: string (nullable = false)

+----+----+----+
|ColA|ColB|ColC|
+----+----+----+
+----+----+----+