文字列を数値に変換する - jsonファイルのPySpark操作

Question

私はPySparkを学習していて、 "string"の列を数値に変換する問題に遭遇しました。私は周りを探索しましたが、解決策を見つけることができませんでした。助けてください。

私は、次の2つのコマンドを実行することができました：

人= sqlContext.read.json（ "C：\ wdchentxt \ People2.json"） people.select（ '名前'、people.age +を1）.show（）

しかし、「年齢」は「数値列ではない」ため、次のエラーが発生しました。 年齢列を文字列から数値に変換する方法は？ people.age + 1が成功したので、

people.groupBy（ '​​性別'）。合計（ '年齢'）。ショー（）

私は特に混乱していました。ありがとう！

Answer 1

JSONファイルの例はありますか？

あなたのコードに似ているので、このドキュメントは、役に立つことがあります。 https://spark.apache.org/docs/1.6.0/sql-programming-guide.html

Answer 2

あなたはpysparkのデータフレームに

df.select('gender',df.age.cast('int').alias('age')).groupBy('gender').sum('age').show() 

をキャスト機能を使用することができますが、それはあなたを助け願っています。