06 spark SQL及其DataFrame的基本操作

一,Spark SQL出现的 原因是什么?

SparkSQL抛弃原有Shark的代码,汲取了Shark的一些优点,如内存列存储(In-Memory Columnar Storage)、Hive兼容性等,重新开发了SparkSQL代码;

由于摆脱了对hive的依赖性,SparkSQL无论在数据兼容、性能优化、组件扩展方面都得到了极大的方便

 二,用spark.read 创建DataFrame

spark.read.text(file)

 

spark.read.json(file)

 

 三,观察从不同类型文件创建DataFrame有什么异同?

spark.read.text(file)不能识别出列名,spark.read.json(file)可以

 

四, 观察Spark的DataFrame与Python pandas的DataFrame有什么异同?

都可以读取多种类型文件

 

Spark SQL DataFrame的基本操作

创建:

spark.read.text()

spark.read.json()

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()

df.filter()

df.groupBy()

df.sort()

 

posted @ 2021-05-10 20:46  儒雅随和的t君  阅读(33)  评论(0编辑  收藏  举报