07 从RDD创建DataFrame

Posted 2021-05-14 落幕无华

1.pandas df 与 spark df的相互转换

 

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)

生成表头：

 

 生成表中的数据：

 

把“表头”和“表中的记录”拼装在一起：

 

 4. DataFrame保存为文件

df.write.json(dir)