我在spark中有一个 Dataframe ，其中包含一列
df.select("y_wgs84").show
+----------------+
| y_wgs84|
+----------------+
|47,9882373902965|
|47,9848921211406|
|47,9781530280939|
|47,9731284286555|
|47,9889813907224|
|47,9881440349524|
|47,9744969812356|
|47,9779388492231|
|48,0107946653620|
|48,0161245749621|
|48,0176065577678|
|48,0029496680229|
|48,0061848607139|
|47,9947482295108|
|48,0055828684523|
|48,0148743653486|
|48,0163361315735|
|48,0071490870937|
|48,0178054077099|
|47,8670099558802|
+----------------+由于spark.read.csv()读取了这些数据，因此其模式类型为String。现在我想将其转换为double，如下所示：
val format = NumberFormat.getInstance(Locale.GERMANY)
def toDouble: UserDefinedFunction = udf[Double, String](format.parse(_).doubleValue)
df2.withColumn("y_wgs84", toDouble('y_wgs84)).collect但java.lang.NumberFormatException: For input string: ".E0"失败。奇怪的是，当grep文件时，没有包含E的单个记录。
另外，df.select("y_wgs84").as[String].collect.map(format.parse(_).doubleValue)这将工作得很好。当在spark中将函数作为UDF调用时，这里有什么问题？
2条答案
按热度按时间cbeh67ev1#
实际上，线程安全才是问题所在。
工作正常。
oxf4rvwz2#
字符“E”表示指数和科学记数法;您将无法使用grep找到它。例如，1000万表示为1.0E7。快速的google搜索表明，这可能是某种类型的java bug https://community.oracle.com/thread/2349624?db=5。您可以在其他环境中尝试吗
我希望这不是微软Excel的魔法。一旦你在Excel中打开一个文件，它会试图通过将你的数字转换为指数表示法来提供帮助