DataFrame的基本操作函数
原文链接 | https://blog.csdn.net/u010003835/article/details/106436091?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3.control |
Action 操作
1、 collect()
返回值是一个数组,返回dataframe集合所有的行
2、 collectAsList()
返回值是一个java类型的数组,返回dataframe集合所有的行
3、 count()
返回一个number类型的,返回dataframe集合的行数
4、 describe(cols: String*)
返回一个通过数学计算的类表值(count, mean, stddev, min, and
max),这个可以传多个参数,中间用逗号分隔,如果有字段为空,那么不参与运算,只这对数值类型的字段。例如df.describe(“age”, “height”).show()
5、 first()
返回第一行 ,类型是row类型
6、 head()
返回第一行 ,类型是row类型
7、 head(n:Int)
返回n行 ,类型是row 类型
8、show()
返回dataframe集合的值默认是20行,返回类型是unit
9、 show(n:Int)
返回n行,,返回值类型是unit
10、 table(n:Int)
返回n行 ,类型是row 类型
================================
Dataframe的基本操作
1、cache()
同步数据的内存
2、columns
返回一个string类型的数组,返回值是所有列的名字
3、dtypes
返回一个string类型的二维数组,返回值是所有列的名字以及类型
4、explan()
打印执行计划 物理的
5、explain(n:Boolean)
输入值为 false 或者true ,返回值是unit 默认是false ,如果输入true将会打印 逻辑的和物理的
6、 isLocal
返回值是Boolean类型,如果允许模式是local返回true 否则返回false
7、 persist(newlevel:StorageLevel)
返回一个dataframe.this.type 输入存储模型类型
8、 printSchema()
打印出字段名称和类型 按照树状结构来打印
9、registerTempTable(tablename:String)
返回Unit,将df的对象只放在一张表里面,这个表随着对象的删除而删除了
10、 schema
返回structType类型,将字段名称和类型按照结构体类型返回
11、 toDF()
返回一个新的dataframe类型的
12、toDF(colnames:String*)
将参数中的几个字段返回一个新的dataframe类型的,
13、 unpersist()
返回dataframe.this.type 类型,去除模式中的数据
14、unpersist(blocking:Boolean)
返回dataframe.this.type类型 true 和 unpersist是一样的作用false 是去除RDD
================================
集成查询
1、 agg(expers:column*)
返回dataframe类型 ,同数学计算求值 df.agg(max(“age”), avg(“salary”))
df.groupBy().agg(max(“age”), avg(“salary”))
2、 agg(exprs: Map[String, String])
返回dataframe类型 ,同数学计算求值 map类型的 df.agg(Map(“age” -> “max”, “salary” ->
“avg”)) df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))
3、 agg(aggExpr: (String, String), aggExprs: (String, String))
返回dataframe类型 ,同数学计算求值 df.agg(Map(“age” -> “max”, “salary” -> “avg”))
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”))
4、 apply(colName: String)
返回column类型,捕获输入进去列的对象
5、 as(alias: String)
返回一个新的dataframe类型,就是原来的一个别名
6、 col(colName: String)
返回column类型,捕获输入进去列的对象
7、 cube(col1: String, cols: String)
返回一个GroupedData类型,根据某些字段来汇总
8、 distinct
去重 返回一个dataframe类型
9、 drop(col: Column)
删除某列 返回dataframe类型
10、 dropDuplicates(colNames: Array[String])
删除相同的列 返回一个dataframe
11、 except(other: DataFrame)
返回一个dataframe,返回在当前集合存在的在其他集合不存在的
12、 explode[A, B](inputColumn: String, outputColumn: String)(f: (A) ⇒ TraversableOnce[B])(implicit arg0: scala.reflect.api.JavaUniverse.TypeTag[B])
返回值是dataframe类型,这个 将一个字段进行更多行的拆分 df.explode(“name”,“names”) {name
:String=> name.split(" ")}.show(); 将name字段根据空格来拆分,拆分的字段放在names里面
13、 filter(conditionExpr: String):
刷选部分数据,返回dataframe类型
df.filter(“age>10”).show();
df.filter(df(“age”)>10).show();
df.where(df(“age”)>10).show();
都可以
14、 groupBy(col1: String, cols: String*)
根据某写字段来汇总返回groupedate类型
df.groupBy(“age”).agg(Map(“age” ->“count”)).show();
df.groupBy(“age”).avg().show();
都可以
15、 intersect(other: DataFrame)
返回一个dataframe,在2个dataframe都存在的元素
16、 join(right: DataFrame, joinExprs: Column, joinType: String)
一个是关联的dataframe,
第二个关联的条件,
第三个关联的类型:inner, outer, left_outer, right_outer, leftsemi
df.join(ds,df(“name”)===ds(“name”) and
df(“age”)===ds(“age”),“outer”).show();
17、 limit(n: Int)
返回dataframe类型
取n 条数据出来
18、 na: DataFrameNaFunctions ,
可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行
19、 orderBy(sortExprs: Column*)
做alise排序
20、 select(cols:string*)
dataframe 做字段的刷选
df.select($“colA”, $“colB” + 1)
21、 selectExpr(exprs: String*)
做字段的刷选
df.selectExpr(“name”,“name as names”,“upper(name)”,“age+1”).show();
22、 sort(sortExprs: Column*)
排序
df.sort(df(“age”).desc).show();
默认是asc
23、 unionAll(other:Dataframe)
合并
df.unionAll(ds).show();
24、 withColumnRenamed(existingName: String, newName: String)
修改列表
df.withColumnRenamed(“name”,“names”).show();
25、 withColumn(colName: String, col: Column)
增加一列
df.withColumn(“aa”,df(“name”)).show();