Skip to content

to_varchar(col)

Описание

Функция to_varchar() преобразует входное значение в строковый тип данных VARCHAR.

Параметры

  • col: Column - входной столбец (любого типа)

Возвращаемое значение

Column - строковое представление входного значения

Пример использования

from pyspark.sql.functions import to_varchar
from pyspark.sql import SparkSession

# Создаем SparkSession
spark = SparkSession.builder.appName("to_varchar_example").getOrCreate()

# Создаем DataFrame с разными типами данных
data = [
    (123, 45.67, True),
    (456, 89.01, False)
]
df = spark.createDataFrame(data, ["int_col", "float_col", "bool_col"])

# Преобразуем столбцы в VARCHAR
df = df.withColumn("int_as_varchar", to_varchar("int_col")) \
       .withColumn("float_as_varchar", to_varchar("float_col")) \
       .withColumn("bool_as_varchar", to_varchar("bool_col"))

df.show(truncate=False)

# Результат:
# +-------+--------+--------+--------------+----------------+----------------+
# |int_col|float_col|bool_col|int_as_varchar|float_as_varchar|bool_as_varchar|
# +-------+--------+--------+--------------+----------------+----------------+
# |123    |45.67   |true    |123           |45.67           |true           |
# |456    |89.01   |false   |456           |89.01           |false          |
# +-------+--------+--------+--------------+----------------+----------------+

Примечания

  • Преобразует значения любого типа в строковый формат
  • Возвращает NULL, если входное значение NULL
  • Полезно для форматирования вывода или конкатенации с другими строками
  • Для форматирования чисел используйте format_number()
  • Для преобразования в другие типы данных используйте соответствующие функции:
  • to_date() для дат
  • to_timestamp() для временных меток
  • to_decimal() для десятичных чисел