用spark进行数据查询常用语法总结，2024年最新2024京东最新大数据开发面试真题解析

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

toDF：对字段命名(搭配常用与groupby–agg–toDF)

data = spark.sql("""select \* from temp.tables""")
df = data.group('dt').agg(fn.countDistinct('user\_id'), fn.sum('order\_money')).toDF('dt', 'user\_uv\_count', 'order\_money\_sum')
df.show(3)

withColumn：新增列名

df = df.withColumn('avg\_money', (df.order_money_sum / df.user_uv_count).cast('decimal(14,4)'))
df.show(3)

printSchema: 打印列名信息

df.printSchema()

dropDuplicates：数据列数去重

data = spark.sql("""select \* from temp.tables""")
data.dropDuplicates(['city']).show()

limit：数据看前N条

data = spark.sql("""select \* from temp.tables""").limit(10)
data.show(3)

collect：所有数据收集到数组

data = spark.sql("""select \* from temp.tables""")
data.collect().show(3)

head==take：查看前N行数据

data = spark.sql("""select \* from temp.tables""").head(5)
data.show(3)

data = spark.sql("""select \* from temp.tables""").take(5)
data.show(3)

sample：随机采样，fraction按比例采样

data = spark.sql("""select \* from temp.tables""")
data = data.sample(fraction=0.5)
data.show(3)

selectExpr：选择列名字段，更改列名调整小数位

data = spark.sql("""select \* from temp.tables""")
data = data.select('dt', 'order\_money')
data.selectExpr('dt as date', 'coalesce(order\_money, 4)')
data.show(3)

unionByName: 两两之间相同列名进行合并

data = spark.sql("""select \* from temp.tables""")
data2 = spark.sql("""select \* from temp.tables2""")
union_data = data.unionByName(data2)
union_data.show(6)

describe：查看数据个数、均值、标准差、最小、最大值

data = spark.sql("""select \* from temp.tables""")
data.describe().show()

summary：查看数据个数、均值、标准差、最小、25%、50%、75%、最大值

比describe多个四分位数(25%、50%、75%)

data = spark.sql("""select \* from temp.tables""")
data.summary().show()

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

4888 （备注大数据）**
[外链图片转存中…(img-sqdg9FL7-1713200055386)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！