pyspark sql大数据处理常用操作

常用建表语句,设置分区并设置表内容存储方式:

spark.sql(f"""
    CREATE TABLE IF NOT EXISTS table_name (
        `key` string, 
        `value` string
    )
    PARTITIONED BY(dt string COMMENT "日期分区")
    ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' STORED AS ORC
""")

数据转成Dataframe,并创建临时表,插入到数据库表中:

import pandas as pd

a = 0.000001
b = 0.0002

value = f'\u007b"name":"xxxx","params":\u007b"model_name":"xgb","model_weight":{a},"threshold":{b},"merge":true,"ids":[1000260]\u007d\u007d'

conf = [
        ['a',value1],
        ['b',value2]
       ]

tmp_pd=pd.DataFrame(conf)
spark.sql(f"drop view if exists tmp_pd")
spark.createDataFrame(tmp_pd).createOrReplaceTempView("tmp_pd")
a=spark.sql(f"""
select * from tmp_pd
""").toPandas()
print(a.iloc[0,1])

dt='20221014'
spark.sql(f"""
INSERT OVERWRITE TABLE table_name
PARTITION(dt='{dt}')
select * from tmp_pd
""")

toPanda()操作展示数据不完全解决方法:

pd.set_option('display.max_columns', None)  # 显示所有列
pd.set_option('max_colwidth',500) # 设置value的显示长度为500,默认为50,这里的500可以根据需求调大调小
spark.sql(f"""
select * from table_name
order by dt
""").toPandas()

 sql查询出来的数据创建临时表并缓存:

data = spark.sql(f"""
           select * from table_name
       """).rdd \
           .toDF(["a","b"])
data.cache()
data.createOrReplaceTempView("data_info_tb")

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据提供的引用[1],pyspark是一个基于Apache Spark的Python API,它提供了一种用于大规模数据处理的高级编程接口。pyspark提供了许多工具类来处理数据,以下是其中一些常用的工具类: 1. SparkContext:SparkContext是pyspark中最重要的类之一,它是与Spark集群通信的主要入口点。SparkContext负责将用户程序转换为一系列任务,并将这些任务分配给集群中的节点执行。 2. RDD:RDD(弹性分布式数据集)是pyspark中的一个核心概念,它是一个不可变的分布式对象集合,可以并行操作。RDD可以从Hadoop文件系统中的文件或其他数据源中创建,也可以通过转换现有RDD来创建。 3. DataFrame:DataFrame是pyspark中的另一个重要概念,它是一种分布式数据集,可以以结构化方式处理数据。DataFrame可以从多种数据源中创建,例如Hive表、结构化数据文件、外部数据库等。 4. SQLContext:SQLContext是pyspark中用于处理结构化数据的入口点。它提供了一种将RDD转换为DataFrame的方法,以便使用SQL语句进行查询。 5. StreamingContext:StreamingContext是pyspark中用于处理流数据的入口点。它提供了一种将实时数据流转换为RDD的方法,以便进行批处理。 6. MLlib:MLlib是pyspark中的机器学习库,它提供了许多常见的机器学习算法和工具,例如分类、回归、聚类、协同过滤等。 7. GraphX:GraphX是pyspark中的图形处理库,它提供了一种处理图形数据的方法,例如社交网络、路由网络等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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