如何使用pyspark在Hadoop中读取Parquet文件,更改数据类型并写入另一个Parquet文件 [英] How to Read a parquet file , change datatype and write to another Parquet file in Hadoop using pyspark
本文介绍了如何使用pyspark在Hadoop中读取Parquet文件,更改数据类型并写入另一个Parquet文件的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我的源实木复合地板文件中的所有内容都为字符串.我的目标拼花地板文件需要将其转换为不同的数据类型,例如int,字符串,日期等.我该怎么做?
My source parquet file has everything as string. My destination parquet file needs to convert this to different datatype like int, string, date etc. How do I do this?
推荐答案
您可能希望将用户定义的架构应用于加快数据加载速度.有两种方法可以应用它-
you may wanted to apply userdefined schema to speedup data loading. There are 2 ways to apply that-
spark.read.schema("a INT, b STRING, c DOUBLE").parquet("test.parquet")
使用StructType模式
customSchema = StructType([
StructField("a", IntegerType(), True),
StructField("b", StringType(), True),
StructField("c", DoubleType(), True)])
spark.read.schema(customSchema).parquet("test.parquet")
这篇关于如何使用pyspark在Hadoop中读取Parquet文件,更改数据类型并写入另一个Parquet文件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!
查看全文