【Spark】Spark Dataframe 常用操作（一行数据映射为多行）_spark 一行变多行(1)

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。

需要这份系统化资料的朋友，可以戳这里获取

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！

±---------±---------+
only showing top 5 rows

最后附上dataframe的一些操作及用法：


DataFrame 的函数  
 Action 操作  
 1、 collect() ,返回值是一个数组，返回dataframe集合所有的行  
 2、 collectAsList() 返回值是一个java类型的数组，返回dataframe集合所有的行  
 3、 count() 返回一个number类型的，返回dataframe集合的行数  
 4、 describe(cols: String\*) 返回一个通过数学计算的类表值(count, mean, stddev, min, and max)，这个可以传多个参数，中间用逗号分隔，如果有字段为空，那么不参与运算，只这对数值类型的字段。例如df.describe(“age”, “height”).show()  
 5、 first() 返回第一行 ，类型是row类型  
 6、 head() 返回第一行 ，类型是row类型  
 7、 head(n:Int)返回n行 ，类型是row 类型  
 8、 show()返回dataframe集合的值 默认是20行，返回类型是unit  
 9、 show(n:Int)返回n行，，返回值类型是unit  
 10、 table(n:Int) 返回n行 ，类型是row 类型


dataframe的基本操作  
 1、 cache()同步数据的内存  
 2、 columns 返回一个string类型的数组，返回值是所有列的名字  
 3、 dtypes返回一个string类型的二维数组，返回值是所有列的名字以及类型  
 4、 explan()打印执行计划 物理的  
 5、 explain(n:Boolean) 输入值为 false 或者true ，返回值是unit 默认是false ，如果输入true 将会打印 逻辑的和物理的  
 6、 isLocal 返回值是Boolean类型，如果允许模式是local返回true 否则返回false  
 7、 persist(newlevel:StorageLevel) 返回一个dataframe.this.type 输入存储模型类型  
 8、 printSchema() 打印出字段名称和类型 按照树状结构来打印  
 9、 registerTempTable(tablename:String) 返回Unit ，将df的对象只放在一张表里面，这个表随着对象的删除而删除了  
 10、 schema 返回structType 类型，将字段名称和类型按照结构体类型返回  
 11、 toDF()返回一个新的dataframe类型的  
 12、 toDF(colnames：String\*)将参数中的几个字段返回一个新的dataframe类型的，  
 13、 unpersist() 返回dataframe.this.type 类型，去除模式中的数据  
 14、 unpersist(blocking:Boolean)返回dataframe.this.type类型 true 和unpersist是一样的作用false 是去除RDD


集成查询：  
 1、 agg(expers:column\*) 返回dataframe类型 ，同数学计算求值  
 df.agg(max(“age”), avg(“salary”))  
 df.groupBy().agg(max(“age”), avg(“salary”))  
 2、 agg(exprs: Map[String, String]) 返回dataframe类型 ，同数学计算求值 map类型的  
 df.agg(Map(“age” -> “max”, “salary” -> “avg”))  
 df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))  
 3、 agg(aggExpr: (String, String), aggExprs: (String, String)) 返回dataframe类型 ，同数学计算求值  
 df.agg(Map(“age” -> “max”, “salary” -> “avg”))  
 df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))  
 4、 apply(colName: String) 返回column类型，捕获输入进去列的对象  
 5、 as(alias: String) 返回一个新的dataframe类型，就是原来的一个别名  
 6、 col(colName: String) 返回column类型，捕获输入进去列的对象  
 7、 cube(col1: String, cols: String) 返回一个GroupedData类型，根据某些字段来汇总  
 8、 distinct 去重 返回一个dataframe类型  
 9、 drop(col: Column) 删除某列 返回dataframe类型  
 10、 dropDuplicates(colNames: Array[String]) 删除相同的列 返回一个dataframe  
 11、 except(other: DataFrame) 返回一个dataframe，返回在当前集合存在的在其他集合不存在的  
 12、 explode[A, B](inputColumn: String, outputColumn: String)(f: (A) ⇒ TraversableOnce[B])(implicit arg0: scala.reflect.api.JavaUniverse.TypeTag[B]) 返回值是dataframe类型，这个 将一个字段进行更多行的拆分  
 df.explode(“name”,“names”) {name :String=> name.split(" ")}.show();  
 将name字段根据空格来拆分，拆分的字段放在names里面  
 13、 filter(conditionExpr: String): 刷选部分数据，返回dataframe类型 df.filter(“age>10”).show(); df.filter(df(“age”)>10).show(); df.where(df(“age”)>10).show(); 都可以  
 14、 groupBy(col1: String, cols: String\*) 根据某写字段来汇总返回groupedate类型 df.groupBy(“age”).agg(Map(“age” ->“count”)).show();df.groupBy(“age”).avg().show();都可以  
 15、 intersect(other: DataFrame) 返回一个dataframe，在2个dataframe都存在的元素  
 16、 join(right: DataFrame, joinExprs: Column, joinType: String)  
 一个是关联的dataframe，第二个关联的条件，第三个关联的类型：inner, outer, left\_outer, right\_outer, leftsemi  
 df.join(ds,df(“name”)===ds(“name”) and df(“age”)===ds(“age”),“outer”).show();  
 17、 limit(n: Int) 返回dataframe类型 去n 条数据出来  
 18、 na: DataFrameNaFunctions ，可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行  
 19、 orderBy(sortExprs: Column\*) 做alise排序  
 20、 select(cols:string\*) dataframe 做字段的刷选 df.select($“colA”, $“colB” + 1)  
 21、 selectExpr(exprs: String\*) 做字段的刷选 df.selectExpr(“name”,“name as names”,“upper(name)”,“age+1”).show();  
 22、 sort(sortExprs: Column\*) 排序 df.sort(df(“age”).desc).show(); 默认是asc  
 23、 unionAll(other:Dataframe) 合并 df.unionAll(ds).show();  
 24、 withColumnRenamed(existingName: String, newName: String) 修改列表 df.withColumnRenamed(“name”,“names”).show();  
 25、 withColumn(colName: String, col: Column) 增加一列 df.withColumn(“aa”,df(“name”)).show();



![img](https://i-blog.csdnimg.cn/blog_migrate/d03cb61acbcbcecfcbebfbd6d8844e0b.png)
![img](https://img-blog.csdnimg.cn/img_convert/dc22faf8942a5fd69e18a749018de94d.png)

**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。**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/topics/618545628)**


**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！**

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！**