从 RDD 创建 DataFrame

1. pandas df 与 spark df 的相互转换

2. Spark 与 Pandas 中 DataFrame 对比

展开查看内容

http://www.lining0806.com/spark与pandas中dataframe对比/

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)