我有一个带有JSON数据列的spark数据框:
df = spark.createDataFrame(
[
(1, '{"a": "hello"}'),
(2, '{"b": ["foo", "bar"]}'),
(3, '{"c": {"cc": "baz"}}'),
(4, '{"d": [{"dd": "foo"}, {"dd": "bar"}]}'),
],
schema=['id', 'jsonData'],
)
df.show()
+---+--------------------+
| id| jsonData|
+---+--------------------+
| 1| {"a": "hello"}|
| 2|{"b": ["foo", "ba...|
| 3|{"c": {"cc": "baz"}}|
| 4|{"d": [{"dd": "fo...|
+---+--------------------+
键是模式标识符。也就是说,两个键不能具有不同的模式
我需要解析本专栏中的JSON,并从每个dict中获取值
我运行下一个命令:
from pyspark.sql.functions import from_json
json_schema = spark.read.json(df.select("jsonData").rdd.map(lambda x: x[0])).schema
df = df.withColumn("jsonParsedData", from_json("jsonData", json_schema))
df.show()
+---+--------------------+--------------------+
| id| jsonData| jsonParsedData|
+---+--------------------+--------------------+
| 1| {"a": "hello"}| [hello,,,]|
| 2|{"b": ["foo", "ba...| [, [foo, bar],,]|
| 3|{"c": {"cc": "baz"}}| [,, [baz],]|
| 4|{"d": [{"dd": "fo...|[,,, [[foo], [bar]]]|
+---+--------------------+--------------------+
我得到了一个jsonParsedData
列,其中null
值表示缺少键
问题:如何从jsonData
列解析JSON,并获得一个没有null
值的列以查找缺少的键
我认为jsonParsedData
列应该有string
类型
预期结果:
+---+--------------------+--------------------+
| id| jsonData| jsonParsedData|
+---+--------------------+--------------------+
| 1| {"a": "hello"}| hello|
| 2|{"b": ["foo", "ba...| [foo, bar]|
| 3|{"c": {"cc": "baz"}}| {"cc": "baz"}|
| 4|{"d": [{"dd": "fo...|[{"dd": "foo"}, {...|
+---+--------------------+--------------------+
尝试使用
regexp_extract
从json中提取值:另一种可能更好的方法是将
from_json
与map<string, string>
模式一起使用:相关问题 更多 >
编程相关推荐