在 Spark 中将数据帧转换为 json 时如何打印空值

Question

我有一个从csv读取的数据帧。

CSV:
name,age,pets
Alice,23,dog
Bob,30,dog
Charlie,35,
Reading this into a DataFrame called myData:
+-------+---+----+
|   name|age|pets|
+-------+---+----+
|  Alice| 23| dog|
|    Bob| 30| dog|
|Charlie| 35|null|
+-------+---+----+

现在，我想使用myData.toJSON将此数据帧的每一行转换为 json。我得到的是以下json。

{"name":"Alice","age":"23","pets":"dog"}
{"name":"Bob","age":"30","pets":"dog"}
{"name":"Charlie","age":"35"}

我希望第 3 行的 json 包含空值。 例如。

{"name":"Charlie","age":"35", "pets":null}

但是，这似乎是不可能的。我通过代码进行了调试，看到 Spark 的org.apache.spark.sql.catalyst.json.JacksonGenerator类具有以下实现

private def writeFields(
row: InternalRow, schema: StructType, fieldWriters: 
Seq[ValueWriter]): Unit = {
var i = 0
while (i < row.numFields) {
val field = schema(i)
if (!row.isNullAt(i)) {
gen.writeFieldName(field.name)
fieldWriters(i).apply(row, i)
}
i += 1
}
}

如果一列为空，这似乎是跳过一列。我不太确定为什么这是默认行为，但是有没有办法使用 Spark 的toJSON在 json 中打印空值？

我正在使用Spark 2.1.0

Answer 1

要使用 Spark 的toJSON方法在 JSON 中打印空值，可以使用以下代码：

myData.na.fill("null").toJSON

它将为您提供预期的结果：

+-------------------------------------------+
|value                                      |
+-------------------------------------------+
|{"name":"Alice","age":"23","pets":"dog"}   |
|{"name":"Bob","age":"30","pets":"dog"}     |
|{"name":"Charlie","age":"35","pets":"null"}|
+-------------------------------------------+

我希望它有所帮助！

Answer 2

我已经修改了JacksonGenerator.writeFields函数并包含在我的项目中。 以下是步骤-

1( 在 'src/main/scala/' 中创建包 'org.apache.spark.sql.catalyst.json'

2( 复制杰克逊发电机类

3( 在 '' 包中创建 JacksonGenerator.scala 类并粘贴复制的代码

4( 修改写字段函数

private def writeFields(row: InternalRow, schema: StructType, fieldWriters:Seq[ValueWriter]): Unit = {
var i = 0
while (i < row.numFields) {
val field = schema(i)
if (!row.isNullAt(i)) {
gen.writeFieldName(field.name)
fieldWriters(i).apply(row, i)
}
else{
gen.writeNullField(field.name)
}
i += 1
}}

Answer 3

用Spark 3.0.0测试：

创建 Spark 会话时，请将spark.sql.jsonGenerator.ignoreNullFields设置为 false。

toJSON函数内部使用org.apache.spark.sql.catalyst.json.JacksonGenerator，而又需要org.apache.spark.sql.catalyst.json.JSONOptions进行配置。 后者包括一个选项ignoreNullFields. 但是，toJSON使用默认值，在此特定选项的情况下，默认值取自上面给出的 sql 配置。

配置设置为 false 的示例：

val schema = StructType(Seq(StructField("a", StringType), StructField("b", StringType)))
val rows = Seq(Row("a", null), Row(null, "b"))
val frame = spark.createDataFrame(spark.sparkContext.parallelize(rows), schema)
println(frame.toJSON.collect().mkString("n"))

生产

{"a":"a","b":null}
{"a":null,"b":"b"}

Answer 4

import org.apache.spark.sql.types._
import scala.util.parsing.json.JSONObject
def convertRowToJSON(row: Row): String = {
val m = row.getValuesMap(row.schema.fieldNames).filter(_._2 != null)
JSONObject(m).toString()
}