转换数据帧的每个值

Question

我需要修改dataframe的每一列的值，以便在映射后，它们都包含在双引号中，但dataframe仍然保留其原始结构和标题。

我尝试通过将行更改为序列来映射值，但它丢失了输出数据帧中的标头。

将此读入作为输入数据帧：

|prodid|name   |city|
+------+-------+----+
|1     |Harshit|VNS |
|2     |Mohit  |BLR |
|2     |Mohit  |RAO |
|2     |Mohit  |BTR |
|3     |Rohit  |BOM |
|4     |Shobhit|KLK |

我尝试了以下代码。

val columns = df.columns
df.map{ row => 
           row.toSeq.map{col => "\""+col+"\"" }
    }.toDF(columns:_*)

但它会抛出一个错误，指出在映射的数据帧中只有一个头，即值。这是实际的结果(如果我去掉".df(columns:_*)")：

|               value|
+--------------------+
|["1", "Harshit", ...|
|["2", "Mohit", "B...|
|["2", "Mohit", "R...|
|["2", "Mohit", "B...|
|["3", "Rohit", "B...|
|["4", "Shobhit", ...|
+--------------------+

我的预期结果是：

|prodid|name     |city  |
+------+---------+------+
|"1"   |"Harshit"|"VNS" |
|"2"   |"Mohit"  |"BLR" |
|"2"   |"Mohit"  |"RAO" |
|"2"   |"Mohit"  |"BTR" |
|"3"   |"Rohit"  |"BOM" |
|"4"   |"Shobhit"|"KLK" |

注意:本例中只有3个标头，但我的原始数据有很多标头，所以不能手动输入每个标头，以防文件标头发生变化。如何从中获得修改后的值dataframe？

编辑:如果我需要对除整数以外的所有值使用引号。因此，输出类似于：

|prodid|name     |city  |
+------+---------+------+
|1     |"Harshit"|"VNS" |
|2     |"Mohit"  |"BLR" |
|2     |"Mohit"  |"RAO" |
|2     |"Mohit"  |"BTR" |
|3     |"Rohit"  |"BOM" |
|4     |"Shobhit"|"KLK" |

Answer 1

使用select可能更容易：

val df = Seq((1, "Harshit", "VNS"), (2, "Mohit", "BLR"))
  .toDF("prodid", "name", "city")

df.select(df.schema.fields.map {
  case StructField(name, IntegerType, _, _) => col(name)
  case StructField(name, _, _, _) => format_string("\"%s\"", col(name)) as name
}:_*).show()

输出：

+------+---------+-----+
|prodid|     name| city|
+------+---------+-----+
|     1|"Harshit"|"VNS"|
|     2|  "Mohit"|"BLR"|
+------+---------+-----+

请注意，还有其他数字类型，如LongType和DoubleType，因此可能也需要处理这些类型，或者只引用StringType等。