Spark2 DataFrame数据框常用操作
Posted 智能先行者
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Spark2 DataFrame数据框常用操作相关的知识,希望对你有一定的参考价值。
import org.apache.spark.sql.functions._ // 对整个DataFrame的数据去重 data.distinct() data.dropDuplicates() // 对指定列的去重 val colArray=Array("affairs", "gender") data.dropDuplicates(colArray) //data.dropDuplicates("affairs", "gender") val df=data.filter("gender==‘male‘ ") // data与df的差集 data.except(df).show +-------+------+----+------------+--------+-------------+---------+----------+------+ |affairs|gender| age|yearsmarried|children|religiousness|education|occupation|rating| +-------+------+----+------------+--------+-------------+---------+----------+------+ | 0.0|female|32.0| 15.0| yes| 1.0| 12.0| 1.0| 4.0| | 0.0|female|32.0| 1.5| no| 2.0| 17.0| 5.0| 5.0| | 0.0|female|32.0| 15.0| yes| 4.0| 16.0| 1.0| 2.0| | 0.0|female|22.0| 0.75| no| 2.0| 12.0| 1.0| 3.0| | 0.0|female|27.0| 4.0| no| 4.0| 14.0| 6.0| 4.0| +-------+------+----+------------+--------+-------------+---------+----------+------+ // data与df的交集 data.intersect(df)
以上是关于Spark2 DataFrame数据框常用操作的主要内容,如果未能解决你的问题,请参考以下文章
Spark2 DataFrame数据框常用操作之统计指标:mean均值,variance方差,stddev标准差,corr(Pearson相关系数),skewness偏度,kurtosis峰度((代码
Spark2 DataFrame数据框常用操作之分析函数--排名函数row_number,rank,dense_rank,percent_rank
Spark2 加载保存文件,数据文件转换成数据框dataframe