spark: RDD与DataFrame之间的相互转换

最新推荐文章于 2024-05-14 18:09:32 发布

birdlove1987

最新推荐文章于 2024-05-14 18:09:32 发布

阅读量3.6w

点赞数 4

分类专栏： spark 文章标签： spark dataframe RDD python 数据分析

本文链接：https://blog.csdn.net/zhurui_idea/article/details/73090951

版权

DataFrame是一个组织成命名列的数据集。它在概念上等同于关系数据库中的表或R/Python中的数据框架，但其经过了优化。DataFrames可以从各种各样的源构建，例如：结构化数据文件，Hive中的表，外部数据库或现有RDD。DataFrame API 可以被Scala，Java，Python和R调用。在Scala和Java中，DataFrame由Rows的数据集表示。在Scala API中，DataFrame只是一个类型别名Dataset[Row]。而在Java API中，用户需要Dataset<Row>用来表示DataFrame。在本文档中，我们经常将Scala/Java数据集Row称为DataFrames。

那么DataFrame和spark核心数据结构RDD之间怎么进行转换呢？

代码如下：

# -*- coding: utf-8 -*-
from __future__ import print_function
from pyspark.sql import SparkSession
from pyspark.sql import Row

if __name__ == "__main__":
    # 初始化SparkS