在Pyspark数据框中访问嵌套列

Question

我有一个XML文档，看起来像这样：

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<Position>
    <Search>
        <Location>
            <Region>OH</Region>
            <Country>us</Country>
            <Longitude>-816071</Longitude>
            <Latitude>415051</Latitude>
        </Location>
    </Search>
</Position>

我将它读入数据框架：

df = sqlContext.read.format('com.databricks.spark.xml').options(rowTag='Position').load('1.xml')

我能看到1列：

df.columns
['Search']

print df.select("Search")
DataFrame[Search: struct<Location:struct<Country:string,Latitude:bigint,Longitude:bigint,Region:string>>]

如何访问嵌套的列，例如 "Location.Region"？

- runski74

---

你能否发布一行你所获取的数据框的样本数据。 - Gaurav Dhama

这非常有帮助，谢谢。 - lakshmi

Answer 1

您可以像以下这样做：

df.select("Search.Location.*").show()

输出：

+-------+--------+---------+------+
|Country|Latitude|Longitude|Region|
+-------+--------+---------+------+
|     us|  415051|  -816071|    OH|
+-------+--------+---------+------+

- Prasad Khode