python spark常用方法总结

###统计行数
df.count()
##获取df的列名: 
df.columns
###显示当前值  不带参数默认是显示前面20行
df.show()  
df.show(2, False) ##show括号里面传入参数可以显示查看几行  show(2,False)  False 是否全部显示 False 不隐藏
##查看列的方式  会显示列的数据类型以及列名
df.printSchema()
###查看特定的列
df.select(["key"]).show(5)
###返回每一列的统计指标
df.describe().show()
###推荐新的一列
df.withColumn()
##例子
df.withColumn('number_add', (df['number']+20)).show(10, False)

###筛选数据
df.filter()
  ###基于一列筛选
  df.filter(df['name']=='Tom').show()
  ###基于多列的筛选
  df.filter(df['sex']=='男').filter(df['age'] > '30').show()
####列中的非重复值
df.select('age').distinct().show()
####数据分组
df.groupBy('age').count().show()
####数据排序
df.groupBy('age').count().orderBy('count',ascending=True).show()

###数据聚合
df.groupBy('sex').agg('job_name':'sum').show()