PySpark读取并清洗json文件数据

pyspark读取json文件清洗并写入json文件

from pyspark.sql import SparkSession


def getSqlAndSpark():
    """
    获取SQL和Spark的对象, SQL的没写,暂时不用
    :return:
    """
    spark = SparkSession \
        .builder \
        .appName('microsoft') \
        .getOrCreate()
    return spark

def guolv(x):
    """
    提取出name 为 Radio astronomy 的
    :param x:
    :return:
    """
    name = x['key']
    if name == 'Radio astronomy':
        return x

def read_json(spark):
    # data = spark.read.json('/data2/data.json')
    data = spark.read.json('data.json')
    data.foreach(lambda x: print(x))

    data1 = data.rdd.map(lambda x: guolv(x))
    data2 = data1.filter(lambda x: x != None)
    schem_data = spark.createDataFrame(data2)
    # schem_data.write.json('/data2/filter_data.json')
    schem_data.write.json('filter_data.json')

def main():
    spark = getSqlAndSpark()
    read_json(spark)


if __name__ == '__main__':
    main()


 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值