06 Spark SQL 及其DataFrame的基本操作

1.Spark SQL出现的 原因是什么?

spark sql是spark用来处理结构化数据的一个模块，与hive的hql不同，hive需要将hql转化成MapReduce然后提交执行，sparksql将sql语句转换成rdd然后提交集群执行，将执行效率大大提升

2.用spark.read 创建DataFrame

3.观察从不同类型文件创建DataFrame有什么异同?

4.观察Spark的DataFrame与Python pandas的DataFrame有什么异同？

 

Spark SQL DataFrame的基本操作

创建：

spark.read.text()

spark.read.json()

file='file:///usr/local/spark/examples/src/main/resources/people.txt'
data = spark.read.text(file)
file='file:///usr/local/spark/examples/src/main/resources/people.json'
datas = spark.read.json(file)

 

 

 

打印数据

df.show()默认打印前20条数据，df.show(n)

 

 

 

打印概要

df.printSchema()

 

 

 

查询总行数

df.count()

df.head(3) #list类型，list中每个元素是Row类

 

 

 

输出全部行

df.collect() #list类型，list中每个元素是Row类

 

 

 

查询概况

df.describe().show()

 

 

 

 

取列

df[‘name’]

df.name

df.select()　　　　 datas.select(datas['name'],datas['age']+1).show()

df.filter()　　　　datas.filter(datas['age']>20).show()

df.groupBy()　　　　datas.groupBy('age').count().show()

df.sort()　　　　datas.sort(datas['age'].desc()).show()