本篇主要介绍两种将本地文件读为DataFrame的方法。
方法一:
其中,format的第一个参数是固定的,代表读取csv文件,load后面写入自己存储的路径即可
from pyspark import SparkContext
from pyspark.sql import SQLContext
sc = SparkContext()
sqlContext = SQLContext(sc)
df = sqlContext.read.format('com.databricks.spark.csv').options(header='true', inferschema='true').load('D:/chen_lib工作文档/works/monitor/monitor_warn_hive.csv')
方法二:
借助pandas库,先用pandas读为dataframe,再通过创建dataframe转为pyspark中的dataframe。
from pyspark import SparkContext
from pyspark.sql import SQLContext
import pandas as pd
sc = SparkContext()
sqlContext=SQLContext(sc)
df=pd.read_csv(r'D:/works/IM/test.csv')
df_1=sqlContext.createDataFrame(df)
接下来查看数据: