文章目录
前言
一、数据源
数据源地址:数据源
提取码:yyds
二、准备工作
- 下载数据到虚拟机本地/hdfs
- 启动spark服务 spark-shell进入命令行
- 导入spark sql工具包
import org.apache.spark.sql.functions._
import org.apache.spark.sql.types._
三、实战
3.1 user.csv(年份列中有无效值)
- 查看数据
- 加载数据spark
因为数据有表头 所以我们需要去除表头 默认是false - 数据的查看
结构没问题
数据加载正常开始操作
1.数据是否重复
没有重复 不用进行去重
2.查看年份无效数据的数量
前面图中展示的无效数据为birhyear列中none值,我们可以利用.equal(“none”)值的方法 但是无效值不止noneÿ