如何从Spark数据框中的所有列中删除反斜杠? [英] How to remove backslash from all columns in a Spark dataframe?

问题描述

如何从Spark DF的多列中删除所有属于字符串的\字符?

How can I remove all \ characters that are a part of strings from multiple columns in a spark DF?

示例行:

11~ADX\|0.00\|ZZ\|BP\|WHT~SE\|41\|0064~GE\|0001\

预期输出:

11~ADX|0.00|ZZ|BP|WHT~SE|41|0064~GE|0001

推荐答案

在数据框的所有列上使用foldLeft，这样您就可以在每个单独的列上使用regexp_replace并返回最终的数据框.使用问题中的示例数据框(以下称为df)，删除所有反斜杠:

Use foldLeft on all columns in the dataframe, in this way you can use regexp_replace on each separate column and return the final dataframe. Using the example dataframe in the question (called df below), to remove all backslashes:

val df2 = df.columns.foldLeft(df)((df, c) => df.withColumn(c, regexp_replace(col(c), "\\\\", "")))

您还可以通过以下操作转义所有反斜杠:

You could also escape all backslashes with the following:

val df2 = df.columns.foldLeft(df)((df, c) => df.withColumn(c, regexp_replace(col(c), "\\\\", "\\\\\\\\")))

---

如果不应该使用所有列，请创建一个单独的变量，其中包含要使用的列.要使用除一列(下面的列col)之外的所有所有列，请使用:

---

If not all columns should be used, create a separate variable containing the columns to use. To use all all columns except one (column col below) use:

val cols = df.columns diff List("col")
cols.foldLeft ...

这篇关于如何从Spark数据框中的所有列中删除反斜杠?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！