火花铸列到存储在字符串中的SQL类型

Question

简单的请求是我需要帮助将列添加到数据框中，但是该列必须为空，其类型来自... spark.sql.types，类型必须为用字符串定义。

我可以使用IFS或案例来做到这一点，但我正在寻找更优雅的东西。不需要为org.apache.spark.sql.types

中的每种类型编写案例的东西

例如，如果我这样做：

df = df.withColumn("col_name", lit(null).cast(org.apache.spark.sql.types.StringType))

它按预期工作，但我的类型存储为字符串，

var the_type = "StringType"

或 var the_type =" org.apache.spark.sql.types.stringtype"

，我无法通过定义字符串的类型来使它起作用。

对于那些感兴趣的人，还有一些更多详细信息：我有一个包含元组的集合（col_name，col_type）作为字符串，我需要添加具有正确类型的列，以在2个dataframes之间进行未来的联合。

。

我目前有一个：

for (i <- set_of_col_type_tuples) yield {
    val tip = Class.forName("org.apache.spark.sql.types."+i._2)
    df = df.withColumn(i._1, lit(null).cast(the_type))
    df }

如果我使用

val the_type = Class.forName("org.apache.spark.sql.types."+i._2)

我得到

error: overloaded method value cast with alternatives:   (to: String)org.apache.spark.sql.Column <and>   (to: org.apache.spark.sql.types.DataType)org.apache.spark.sql.Column  cannot be applied to (Class[?0])

如果我使用

val the_type = Class.forName("org.apache.spark.sql.types."+i._2).getName()

这是一个字符串，所以我得到：

org.apache.spark.sql.catalyst.parser.ParseException: mismatched input '.' expecting {<EOF>, '('}(line 1, pos 3)
== SQL == org.apache.spark.sql.types.StringType
---^^^

编辑：因此，要清楚，该集合包含类似的元素（" col1"，" integertype"），（" col2"，" stringtype"）不（" col1"，" int"），（"col2"，" string"）。简单的演员（i._2）不起作用。

谢谢。

Answer 1

您可以使用过载的方法cast，该方法的字符串作为参数：

val stringType : String = ...
column.cast(stringType)

def cast（to：string）：列

使用规范字符串将列施加到其他数据类型 类型的表示。

您还可以扫描所有数据类型：

val types = classOf[DataTypes]
    .getDeclaredFields()
    .filter(f => java.lang.reflect.Modifier.isStatic(f.getModifiers()))
    .map(f => f.get(new DataTypes()).asInstanceOf[DataType])

现在类型是数组[DataType]。您可以将其翻译成映射：

val typeMap = types.map(t => (t.getClass.getSimpleName.replace("$", ""), t)).toMap

并在代码中使用：

column.cast(typeMap(yourType))