Scala Apache Spark：列名中的非标准字符

Question

我正在拨打以下电话：

  propertiesDF.select(
        col("timestamp"), col("coordinates")(0) as "lon", 
        col("coordinates")(1) as "lat", 
        col("properties.tide (above mllw)") as "tideAboveMllw",
        col("properties.wind speed") as "windSpeed")

这给了我以下错误：

org.apache.spark.sql.AnalysisException: No such struct field 潮 （高于 mllw）在气温、大气压力、露点、 主波周期、平均波向、名称、程序名称、 有效波高、潮汐（高于 mllw）：、能见度、水 温度、风向、风速；

现在肯定有这样一个struct字段。 （错误信息本身就是这么说的。）

这是架构：

 root
 |-- timestamp: long (nullable = true)
 |-- coordinates: array (nullable = true)
 |    |-- element: double (containsNull = true)
 |-- properties: struct (nullable = true)
 |    |-- air temperature: double (nullable = true)
 |    |-- atmospheric pressure: double (nullable = true)
 |    |-- dew point: double (nullable = true)
          .
          .
          .
 |    |-- tide (above mllw):: string (nullable = true)
          .
          .
          .

输入被读取为 JSON，如下所示：

val df = sqlContext.read.json(dirName)

如何处理列名中的括号？

Answer 1

您应该首先避免使用这样的名称，但您可以拆分访问路径：

val df = spark.range(1).select(struct(
  lit(123).as("tide (above mllw)"),
  lit(1).as("wind speed")
).as("properties"))

df.select(col("properties").getItem("tide (above mllw)"))

// or

df.select(col("properties")("tide (above mllw)"))

或用反引号括起来有问题的字段：

df.select(col("properties.`tide (above mllw)`"))

两种解决方案都假定您的数据包含以下结构（基于您用于查询的访问路径）：

df.printSchema
// root
//  |-- properties: struct (nullable = false)
//  |    |-- tide (above mllw): integer (nullable = false)
//  |    |-- wind speed: integer (nullable = false)

Answer 2

基于the documentation，您可以尝试使用单引号。像这样：

 propertiesDF.select(
        col("timestamp"), col("coordinates")(0) as "lon", 
        col("coordinates")(1) as "lat", 
        col("'properties.tide (above mllw)'") as "tideAboveMllw",
        col("properties.wind speed") as "windSpeed")