如何在pyspark数据帧中将字符串类型的列转换为int形式？

Question

我在pyspark有数据帧。它的一些数字列包含“nan”，因此当我读取数据并检查dataframe的模式时，这些列将具有“string”类型。如何将它们更改为int类型。我将“nan”值替换为0，然后再次检查架构，但同时也显示了这些列的字符串类型。我遵循以下代码：

data_df = sqlContext.read.format("csv").load('data.csv',header=True, inferSchema="true")
data_df.printSchema()
data_df = data_df.fillna(0)
data_df.printSchema()

我的数据如下：

这里的列'Plays'和'drafts'包含整数值，但由于这些列中存在nan，因此它们被视为字符串类型。

Answer 1

在用0替换NaN之后，可以使用cast（作为int）

data_df = df.withColumn("Plays", df.call_time.cast('float'))