使用python编写csv转parquet脚本

from pyspark import SparkContext
from pyspark.sql import SQLContext
from pyspark.sql.types import *


def parse(line):
    items = line.split(",")
    return (long(items[0]), items[1], float(items[2]), int(items[3]), float(items[4]), float(items[5]))


if __name__ == "__main__":
    sc = SparkContext(appName="CSV2Parquet")
    sqlContext = SQLContext(sc)


    schema = StructType([
            StructField("col1", LongType(), True),
            StructField("col2", StringType(), True),
            StructField("col3", DoubleType(), True),
            StructField("col4", IntegerType(), True),
            StructField("col5", DoubleType(), True),
            StructField("col6", DoubleType(), True)])




    rdd = sc.textFile("./input.csv").map(parse)
    df = sqlContext.createDataFrame(rdd, schema)
    df.write.parquet('./input-parquet')
  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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