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()

（1）导入对应的包

 

 

 （2）随机生成一个三维数组（0-10）　

 

 （3）df_s=spark.createDataFrame(df_p)

（4）转化为pandas df

 

 

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()

 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)