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)

 

posted @ 2021-05-14 20:29  儒雅随和的t君  阅读(19)  评论(0编辑  收藏  举报