首页 > 其他 > 详细

07 从RDD创建DataFrame

时间:2021-05-15 00:13:34      阅读:40      评论:0      收藏:0      [点我收藏+]

1.pandas df 与 spark df的相互转换

df_s=spark.createDataFrame(df_p)

df_p=df_s.toPandas()

1
2
3
import pandas as pd
import numpy as np
arr = np.arange(6).reshape(-1,3)

技术分享图片

1
2
df_p=pd.DataFrame(arr)
df_p

技术分享图片

1
2
df_p.columns=[‘a‘,‘b‘,‘c‘]
df_p

技术分享图片

1
2
df_s=spark.createDataFrame(df_p)
df_s.show()

 技术分享图片

1
df_s.collect()

技术分享图片

1
df_s.toPandas()

技术分享图片

2. Spark与Pandas中DataFrame对比

http://www.lining0806.com/spark%E4%B8%8Epandas%E4%B8%ADdataframe%E5%AF%B9%E6%AF%94/

 

3.1 利用反射机制推断RDD模式

  • sc创建RDD
  • 转换成Row元素,列名=值
  • spark.createDataFrame生成df
  • df.show(), df.printSchema()
1
2
3
4
from pyspark.sql import Row
people = spark.sparkContext.textFile(‘file:///usr/local/spark/examples/src/main/resources/people.txt‘).map(lambda line:line.split(‘,‘)).map(lambda w:Row(name=w[0],age=int(w[1])))
sPeople = spark.createDataFrame(people)
sPeople.createOrReplaceTempView(‘people‘)

技术分享图片

1
2
3
personDF = spark.sql(‘select name,age from people where age>20‘)
personRDD = personDF.rdd.map(lambda p:"Name:"+p.name+","+"Age:"+str(p.age))
personRDD.foreach(print)

 技术分享图片

1
sPeople.show()

技术分享图片

1
sPeople.printSchema()

技术分享图片

3.2 使用编程方式定义RDD模式

  • 生成“表头”
    • fields = [StructField(field_name, StringType(), True) ,...]
    • schema = StructType(fields)
1
2
3
4
from pyspark.sql.types import *
from pyspark.sql import Row
schemaString = ‘name age‘
fields = [StructField(field_name,StringType(),Truefor field_name in schemaString.split(‘ ‘)]<br>schema = StructType(fields)

技术分享图片

  • 生成“表中的记录”
    • 创建RDD
    • 转换成Row元素,列名=值
1
2
3
4
lines = spark.sparkContext.textFile(‘file:///usr/local/spark/examples/src/main/resources/people.txt‘)
part = lines.map(lambda w:w.split(","))
peoples = part.map(lambda p:Row(p[0],p[1].strip()))
peoples.collect()

技术分享图片

  • 把“表头”和“表中的记录”拼装在一起
    • = spark.createDataFrame(RDD, schema)
1
2
3
schemaPeople = spark.createDataFrame(people,schema)
schemaPeople.show()
schemaPeople.printSchema()

技术分享图片

 4. DataFrame保存为文件

df.write.json(dir)

1
schemaPeople.write.json(‘file:///home/hadoop/schema_out‘)

技术分享图片

 

07 从RDD创建DataFrame

原文:https://www.cnblogs.com/thebao/p/14770032.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!