如何在spark中使用Regexp_replace

Question

我对spark很陌生，想对数据框的一列执行操作，以便用.替换列中的所有,

假设有一个数据框x和列x4

x4
1,3435
1,6566
-0,34435

我希望输出为

x4
1.3435
1.6566
-0.34435

我使用的代码是

import org.apache.spark.sql.Column
def replace = regexp_replace((x.x4,1,6566:String,1.6566:String)x.x4)

但是我得到以下错误

import org.apache.spark.sql.Column
<console>:1: error: ')' expected but '.' found.
       def replace = regexp_replace((train_df.x37,0,160430299:String,0.160430299:String)train_df.x37)

任何关于语法，逻辑或任何其他合适的方式的帮助将不胜感激

Answer 1

这里有一个可重复的例子，假设x4是一个字符串列。

import org.apache.spark.sql.functions.regexp_replace
val df = spark.createDataFrame(Seq(
  (1, "1,3435"),
  (2, "1,6566"),
  (3, "-0,34435"))).toDF("Id", "x4")

语法为regexp_replace(str, pattern, replacement)，翻译为:

df.withColumn("x4New", regexp_replace(df("x4"), "\,", ".")).show
+---+--------+--------+
| Id|      x4|   x4New|
+---+--------+--------+
|  1|  1,3435|  1.3435|
|  2|  1,6566|  1.6566|
|  3|-0,34435|-0.34435|
+---+--------+--------+

Answer 2

我们可以使用map方法来完成这个转换:

scala> df.map(each => { 
(each.getInt(0),each.getString(1).replaceAll(",", "."))
})
.toDF("Id","x4")
.show
Output:
+---+--------+
| Id|      x4|
+---+--------+
|  1|  1.3435|
|  2|  1.6566|
|  3|-0.34435|
+---+--------+