web-dev-qa-db-ja.com

sparkでJSON文字列をデータフレームに変換する方法

以下の文字列変数をスパークのデータフレームに変換したい。

val jsonStr = "{ "metadata": { "key": 84896, "value": 54 }}"

JSONファイルからデータフレームを作成する方法を知っています。

sqlContext.read.json("file.json")

しかし、文字列変数からデータフレームを作成する方法がわかりません。

JSON文字列変数をデータフレームに変換するにはどうすればよいですか。

jsonscalaapache-sparkdataframe
16
lucas kim

Spark 2.2 + の場合：

_import spark.implicits._
val jsonStr = """{ "metadata": { "key": 84896, "value": 54 }}"""
val df = spark.read.json(Seq(jsonStr).toDS)
_

Spark 2.1.x の場合：

_val events = sc.parallelize("""{"action":"create","timestamp":"2016-01-07T00:01:17Z"}""" :: Nil)    
val df = sqlContext.read.json(events)
_

ヒント：これはsqlContext.read.json(jsonRDD: RDD[Stirng])オーバーロードを使用しています。 Jsonファイルを直接読み取るsqlContext.read.json(path: String)もあります。

旧バージョン の場合：

_val jsonStr = """{ "metadata": { "key": 84896, "value": 54 }}"""
val rdd = sc.parallelize(Seq(jsonStr))
val df = sqlContext.read.json(rdd)
_
42
Jean Logeart

RDDからJSONを読み取るための関数はSpark 2.2で廃止されたため、これは別のオプションになります。

val jsonStr = """{ "metadata": { "key": 84896, "value": 54 }}"""
import spark.implicits._ // spark is your SparkSession object
val df = spark.read.json(Seq(jsonStr).toDS)
17
markus

Json文字列のリストをSpark 2.2 =>のDataFrameに変換するには

val spark = SparkSession
          .builder()
          .master("local")
          .appName("Test")
          .getOrCreate()

var strList = List.empty[String]
var jsonString1 = """{"ID" : "111","NAME":"Arkay","LOC":"Pune"}"""
var jsonString2 = """{"ID" : "222","NAME":"DineshS","LOC":"PCMC"}"""
strList = strList :+ jsonString1
strList = strList :+ jsonString2

val rddData = spark.sparkContext.parallelize(strList)
resultDF = spark.read.json(rddData)
resultDF.show()

結果：

+---+----+-------+
| ID| LOC|   NAME|
+---+----+-------+
|111|Pune|  Arkay|
|222|PCMC|DineshS|
+---+----+-------+
2
Dinesh Shinkar

Java（Spark 2.2+））でJson文字列をDataframeに変換する方法の例を次に示します。

String str1 = "{\"_id\":\"123\",\"ITEM\":\"Item 1\",\"CUSTOMER\":\"Billy\",\"AMOUNT\":285.2}";
String str2 = "{\"_id\":\"124\",\"ITEM\":\"Item 2\",\"CUSTOMER\":\"Sam\",\"AMOUNT\":245.85}";
List<String> jsonList = new ArrayList<>();
jsonList.add(str1);
jsonList.add(str2);
SparkContext sparkContext = new SparkContext(new SparkConf()
        .setAppName("myApp").setMaster("local"));
JavaSparkContext javaSparkContext = new JavaSparkContext(sparkContext);
SQLContext sqlContext = new SQLContext(sparkContext);
JavaRDD<String> javaRdd = javaSparkContext.parallelize(jsonList);
Dataset<Row> data = sqlContext.read().json(javaRdd);
data.show();

結果は次のとおりです。

+------+--------+------+---+
|AMOUNT|CUSTOMER|  ITEM|_id|
+------+--------+------+---+
| 285.2|   Billy|Item 1|123|
|245.85|     Sam|Item 2|124|
+------+--------+------+---+
2
Andrushenko Alexander
simple_json = '{"results":[{"a":1,"b":2,"c":"name"},{"a":2,"b":5,"c":"foo"}]}'
rddjson = sc.parallelize([simple_json])
df = sqlContext.read.json(rddjson)

答えへの参照は https://stackoverflow.com/a/49399359/2187751

2
kaushalop

dataset [String]からjsonを直接読み取ることができるようになりました。 https://spark.Apache.org/docs/latest/sql-data-sources-json.html

val otherPeopleDataset = spark.createDataset(
  """{"name":"Yin","address":{"city":"Columbus","state":"Ohio"}}""" :: Nil)
val otherPeople = spark.read.json(otherPeopleDataset)
otherPeople.show()
// +---------------+----+
// |        address|name|
// +---------------+----+
// |[Columbus,Ohio]| Yin|
// +---------------+----+
0
linehrr