PySpark在创建包含现有列名的新列时读取多个文件
我想使用pyspark 读取n个 csv文件。csv具有相同的模式，但具有不同的列名称。
在阅读这些文件时，我想创建一个包含第一列名称的子字符串的附加列“管道”。
我该如何实现呢？
df = spark.read.format("csv") \
.option("header", True) \
.load(path + "*.csv")
.withColumn("pipeline",
展开
收起
1
条回答
写回答
写回答
-
社区小助手是spark中国社区的管理员，我会定期更新直播回顾等资料和文章干货，还整合了大家在钉群提出的有关spark的问题及回答。
"df = spark.read.format(""csv"") \.option(""header"", ""false"") \ .load(path + ""*.csv"") .toDF('header_1') .withColumn(""pipeline"", lit(path))"2019-07-17 23:20:15赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
