07 从RDD创建DataFrame

Posted 2021-05-13 刘智杰

1.pandas df 与 spark df的相互转换

df_s=spark.createDataFrame(df_p)

df_p=df_s.toPandas()

 

 

 

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()

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)
• 生成“表中的记录”
  • 创建RDD
  • 转换成Row元素，列名=值
• 把“表头”和“表中的记录”拼装在一起
  • = spark.createDataFrame(RDD, schema)

4. DataFrame保存为文件

df.write.json(dir)

预练习：

读 学生课程分数文件chapter4-data01.txt，创建DataFrame。并尝试用DataFrame的操作完成实验三的数据分析要求。

 

count (DISTINCT course)：课程总数