在 Pyspark 中将字典转换为数据框答案

【问题标题】：Converting dictionary to a Data Frame in Pyspark在 Pyspark 中将字典转换为数据框
【发布时间】：2021-12-04 13:39:35
【问题描述】：

说明。如何在 PySpark 中将字典数据集转换为 DataFrame：

错误/非预期结果我试过了

df = spark.createDataFrame([Row(**i) for i in bounds])

但得到：

TypeError：无法推断类型的架构：

这段代码：

rdd = sc.parallelize(bounds)
rdd.map(lambda x: (x,)).toDF().show()

和其他人给出了意想不到的结果。

预期结果：

我的数据集：

【问题讨论】：

我已经查看了 StackOverflow 中的所有解决方案，但它们没有帮助。我是 Pyspark 的新手。

标签： pyspark apache-spark-sql

【解决方案1】：

您对 createDataFrame() 的输入格式不正确。它应该看起来像这样 -

[("price", {"q1":1, "q3": 3, "upper": 10, "lower":2} ), 
 ("carAge", {"q1":1, "q3": 3, "upper": 11, "lower":1})]

这是一个元组列表（列表列表也可以），其中每个元组有两个元素，第一个是字符串，第二个是字典。每个元组包含未来 spark 数据帧中的所有行数据，元组中的两个元素意味着您将创建的数据帧中将有 2 列。

要将您的字典数据转换为上述格式，请使用以下代码：

[(x, dct[x]) for x in dct.keys()]

其中 dct 是您在 My DataSet 图像中的原始字典。然后，您可以按如下方式创建 spark 数据框：

df = (spark.createDataFrame([(x, dct[x]) for x in dct.keys()], 
                                                   schema=["Colums", "dct_col"]))

这个数据框将只有两列，第二列，“dct_col”将是字典列，你可以得到“q1”、“q3”和其他列，如下所示：

df_expected_result = (df
                      .withColumn("q1", df.dct_col["q1"])
                      .withColumn("q3", df.dct_col["q3"])
                      .withColumn("lower", df.dct_col["lower"])
                      .withColumn("upper", df.dct_col["upper"]))

【讨论】：