如何在Databricks中去除字段的.000000，保留小数点前数值？

针对你要处理的类似“2386.000000”这类字段，在Databricks里有几种简单的实现方式，分SQL和PySpark两种场景说明：

方法一：正则表达式替换（适用于字符串类型字段） #

如果字段是字符串格式，直接用regexp_replace匹配结尾的“.000000”并替换为空：

-- SQL写法
SELECT regexp_replace(your_column_name, '\\.000000$', '') AS cleaned_column
FROM your_table;

# PySpark写法
from pyspark.sql.functions import regexp_replace, col

df = df.withColumn(
    "cleaned_column",
    regexp_replace(col("your_column_name"), r"\.000000$", "")
)

这里的$确保只匹配字段末尾的目标后缀，避免误替换字段中间出现的类似字符。

方法二：转换为整数类型（适用于数值类型字段） #

如果字段是数值类型（比如double、float），直接转成整数就能自动去掉末尾的“.000000”：

-- SQL写法
SELECT CAST(your_column_name AS INT) AS cleaned_column
FROM your_table;
-- 用FLOOR函数也能达到同样效果
SELECT FLOOR(your_column_name) AS cleaned_column
FROM your_table;

# PySpark写法
from pyspark.sql.functions import col

df = df.withColumn(
    "cleaned_column",
    col("your_column_name").cast("int")
)

这种方法效率更高，但只适合确定字段值小数部分全为0的场景。

方法三：截取小数点前内容（通用场景） #

不管字段是字符串还是数值类型，都可以先转成字符串，再截取小数点前的部分：

-- SQL写法
SELECT split(your_column_name, '\\.')[0] AS cleaned_column
FROM your_table;

# PySpark写法
from pyspark.sql.functions import split, col

df = df.withColumn(
    "cleaned_column",
    split(col("your_column_name"), r"\.")[0]
)

这种方法通用性强，哪怕后续遇到其他小数位数的情况，也能保留整数部分。

内容的提问来源于stack exchange，提问作者Mariana