检查类型：如何检查某个东西是 RDD 还是 DataFrame？

Posted 2023-04-17

【中文标题】检查类型：如何检查某个东西是 RDD 还是 DataFrame？

【英文标题】：Check Type: How to check if something is a RDD or a DataFrame?

【发布时间】：2016-04-19 23:44:54

【问题描述】：

我正在使用 Python，这是一个 Spark RDD / DataFrame。

我尝试了isinstance(thing, RDD)，但无法识别RDD。

我需要这样做的原因：

我正在编写一个函数，其中RDD 和DataFrame 都可以传入，所以如果传入一个DataFrame，我需要执行input.rdd 来获取底层RDD。

【参考方案1】：

另一种检查方法是输入

type(object) 

返回对象的类型，如

pyspark.sql.dataframe.DataFrame

【参考方案2】：

isinstance 可以正常工作：

from pyspark.sql import DataFrame
from pyspark.rdd import RDD

def foo(x):
    if isinstance(x, RDD):
        return "RDD"
    if isinstance(x, DataFrame):
        return "DataFrame"

foo(sc.parallelize([]))
## 'RDD'
foo(sc.parallelize([("foo", 1)]).toDF())
## 'DataFrame'

但单次调度是更优雅的方法：

from functools import singledispatch

@singledispatch
def bar(x):
    pass 

@bar.register(RDD)
def _(arg):
    return "RDD"

@bar.register(DataFrame)
def _(arg):
    return "DataFrame"

bar(sc.parallelize([]))
## 'RDD'

bar(sc.parallelize([("foo", 1)]).toDF())
## 'DataFrame'

如果您不介意额外的依赖，multipledispatch 也是一个有趣的选择：

from multipledispatch import dispatch

@dispatch(RDD)
def baz(x):
    return "RDD"

@dispatch(DataFrame)
def baz(x):
    return "DataFrame"

baz(sc.parallelize([]))
## 'RDD'

baz(sc.parallelize([("foo", 1)]).toDF())
## 'DataFrame'

最后，最 Pythonic 的方法是简单地检查一个接口：

def foobar(x):
    if hasattr(x, "rdd"):
        ## It is a DataFrame
    else:
        ## It (probably) is a RDD

【参考方案3】：

在你的函数体中，你可以有一个检查input实例的赋值

from pyspark.rdd import RDD

def compute(input):
  your_rdd = input if isinstance(input, RDD) else input.rdd()