Я пишу данные из лазурных блоков данных в лазурный sql с помощью pyspark. Код работает без нулей, но когда фрейм данных содержит нули, я получаю следующую ошибку:
databricks/spark/python/pyspark/sql/pandas/conversion.py:300: UserWarning: createDataFrame attempted Arrow optimization because 'spark.sql.execution.arrow.pyspark.enabled' is set to true; however, failed by the reason below:
Unable to convert the field Product. If this column is not necessary, you may consider dropping it or converting to primitive type before the conversion.
Context: Unsupported type in conversion from Arrow: null
Attempting non-optimization as 'spark.sql.execution.arrow.pyspark.fallback.enabled' is set to true.
warnings.warn(msg)
ValueError: Some of types cannot be determined after inferring
Фрейм данных должен быть записан в sql, включая нули. Как мне решить эту проблему?
sqlContext = SQLContext(sc)
def to_sql(df, table):
finaldf = sqlContext.createDataFrame(df)
finaldf.write.jdbc(url=url, table= table, mode ="overwrite", properties = properties)
to_sql(data, f"TF_{table.upper()}")
РЕДАКТИРОВАТЬ:
Решил его, создав функцию, которая отображает dtypes pandas на dtypes sql и выводит столбцы и dtypes как одну строку.
def convert_dtype(df):
df_mssql = {'int64': 'bigint', 'object': 'varchar(200)', 'float64': 'float'}
mydict = {}
for col in df.columns:
if str(df.dtypes[col]) in df_mssql:
mydict[col] = df_mssql.get(str(df.dtypes[col]))
l = " ".join([str(k[0] + " " + k[1] + ",") for k in list(mydict.items())])
return l[:-1]
Передача этой строки в параметр createTableColumnTypes
решила этот сценарий
jdbcDF.write \
.option("createTableColumnTypes", convert_dtype(df) \
.jdbc("jdbc:postgresql:dbserver", "schema.tablename",
properties={"user": "username", "password": "password"})