You need to enable JavaScript to run this app. Databricks社区版Python加载CSV后无法识别Hospital列的问题排查
优惠活动
大模型
产品
解决方案
定价
更多

Databricks社区版Python加载CSV后无法识别Hospital列的问题排查

CSV加载后列名识别报错解决

报错根因

报错提示无法解析Hospital列,给出的输入列列表将全部7个字段名用分号连接为一整串,本质是CSV加载环节的分隔符配置错误:
这类西语地区生成的CSV文件默认使用分号作为字段分隔符,Databricks自动识别时默认采用了逗号作为分隔符,导致整行内容没有被拆分为独立列,所有字段名被拼接成了单个超长列名,自然无法单独匹配Hospital字段。

分步操作指南

  • 先验证当前DataFrame的实际列结构
    执行df.printSchema(),即可确认当前数据集确实只有1个由全字段名拼接成的单列,不存在独立的Hospital列。
  • 重新加载CSV,修正读取配置
    加载时显式指定分号作为字段分隔符,搭配表头识别、编码适配参数,避免自动识别的偏差;如果是通过Databricks可视化上传自动生成的加载代码,需要检查代码里的sep配置,把默认的逗号参数替换为分号即可。参考代码:
    df = (spark.read
          .format("csv")
          .option("header", "true")
          .option("sep", ";")
          .option("encoding", "UTF-8")
          .load("你的CSV文件对应的DBFS路径"))
    
  • 加载完成后校验列结构
    执行df.columns确认列已被正确拆分为7个独立字段;如果列名存在首尾不可见的空格,可通过以下代码清洗列名:
    df = df.toDF(*[col_name.strip() for col_name in df.columns])
    
  • 执行目标统计逻辑
    列结构校验通过后,即可正常运行统计代码:
    • 统计数据集总行数:print("数据集总行数: " + str(df.count()))
    • 统计不同Hospital的数量:print("Número de hospitales distintos: " + str(df.select("Hospital").distinct().count()))

内容的提问来源于stack exchange,提问作者Robert

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.14 03:24:01