07 从RDD创建DataFrame

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)