DataFrame中的操作操作

/**
 * DataFrame中的操作操作
 */
object DataFrameCase {

  def main(args: Array[String]) {
    val spark = SparkSession.builder().appName("DataFrameRDDApp").master("local[2]").getOrCreate()

    // RDD ==> DataFrame
    val rdd = spark.sparkContext.textFile("file:///Users/rocky/data/student.data")

    //注意:需要导入隐式转换
    import spark.implicits._
    val studentDF = rdd.map(_.split("\\|")).map(line => Student(line(0).toInt, line(1), line(2), line(3))).toDF()

    //show默认只显示前20条
    studentDF.show
    studentDF.show(30)
    studentDF.show(30, false)

    studentDF.take(10)
    studentDF.first()
    studentDF.head(3)


    studentDF.select("email").show(30,false)


    studentDF.filter("name=''").show
    studentDF.filter("name='' OR name='NULL'").show


    //name以M开头的人
    studentDF.filter("SUBSTR(name,0,1)='M'").show

    studentDF.sort(studentDF("name")).show
    studentDF.sort(studentDF("name").desc).show

    studentDF.sort("name","id").show
    studentDF.sort(studentDF("name").asc, studentDF("id").desc).show

    studentDF.select(studentDF("name").as("student_name")).show


    val studentDF2 = rdd.map(_.split("\\|")).map(line => Student(line(0).toInt, line(1), line(2), line(3))).toDF()

    studentDF.join(studentDF2, studentDF.col("id") === studentDF2.col("id")).show

    spark.stop()
  }

  case class Student(id: Int, name: String, phone: String, email: String)

}

DataFrame它不是Spark SQL提出的,而是早起在R、Pandas语言就已经有了的。


A Dataset is a distributed collection of data:分布式的数据集

A DataFrame is a Dataset organized into named columns. 
以列(列名、列的类型、列值)的形式构成的分布式数据集,按照列赋予不同的名称

student
id:int
name:string
city:string


It is conceptually equivalent to a table in a relational database 
or a data frame in R/Python


RDD: 
    java/scala  ==> jvm
    python ==> python runtime


DataFrame:
    java/scala/python ==> Logic Plan


DataFrame和RDD互操作的两种方式:
1)反射:case class   前提:事先需要知道你的字段、字段类型    
2)编程:Row          如果第一种情况不能满足你的要求(事先不知道列)
3) 选型:优先考虑第一种

val rdd = spark.sparkContext.textFile("file:///home/hadoop/data/student.data")

DataFrame = Dataset[Row]
Dataset:强类型  typed  case class
DataFrame:弱类型   Row


SQL: 
    seletc name from person;  compile  ok, result no

DF:
    df.select("name")  compile no
    df.select("nname")  compile ok  

DS:
    ds.map(line => line.itemid)  compile no

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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