首页 文章

通过sparklyr替换spark数据帧中的'\\'或'\\\\'失败

提问于
浏览 次
1

我尝试替换spark数据帧中的反斜杠 . 我写了一个与R数据帧配合得很好的功能 . 我将它插入 spark_apply 并且它不起作用：

rm(back_slash_replace_func)

back_slash_replace_func <- function(x)
{

     cbind.data.frame(
          lapply(
          x, function(x) { if(class(x) == 'character'){ gsub(pattern = "\\", replacement = "/", x = x, fixed = T)} else { x } }
            )
     , stringsAsFactors = F
     )

}

## do in R

x <- data.frame(x = rep('\\', 10), stringsAsFactors = F)

back_slash_replace_func(x)

## do in spark

r_spark_connection <- spark_connect(master = "local")

xsp <- copy_to(r_spark_connection, x, overwrite = T)

start <- Sys.time()

spark_apply(
               x = xsp
               , f = back_slash_replace_func
               , memory = F
               )

Sys.time() - start

It does not do the job, no error, no warning. What could be the case?

r apache-spark backslash sparklyr

1 回答

  • 2

    您应该注意的第一件事是 copy_to 使您的数据格式不正确 . 而 x 是：

    x %>% head(1)
#    x
# 1 \\

    xsp 是

    xsp %>% head(1)
# # Source:   lazy query [?? x 1]
# # Database: spark_connection
#   x    
#   <chr>
# 1 "\""

    这是因为当您使用 copy_to 时，spakrlyr会将数据转储到平面文件 . 因此，它甚至无法在本地工作：

    xsp %>% collect %>% back_slash_replace_func %>% head(1)
#   x
# 1 "

    如果您直接创建数据框：

    df <-spark_session(r_spark_connection) %>%
  invoke("sql", "SELECT '\\\\' AS x FROM range(10)") %>% 
  sdf_register() 

df %>% collect %>% back_slash_replace_func %>% head(1)
#   x
# 1 /

    这个特殊问题不会出现 .

    这里的另一个问题是， spark_apply 实际上将 strings 转换为 factors （根据Kevin's跟踪的Kevin's评论）而不是：

    function(x) {
  if (is.character(x)) {
    gsub(pattern = "\\", replacement = "/", x = x, fixed = T)
  } else { x }
}

    你宁愿需要：

    function(x) {
  if (is.factor(x)) {
    gsub(pattern = "\\", replacement = "/", x = as.character(x), fixed = T)
  } else { x }
}

    但在实践中只是 translate ：

    df %>% mutate(x = translate(x, "\\\\", "/")) %>% head(1)
# # Source:   lazy query [?? x 1]
# # Database: spark_connection
#   x    
#   <chr>
# 1 /
    回复于

相关问题