pyspark 读取本地csv_pyspark学习系列（二）读取CSV文件 为RDD或者DataFrame进行数据处理...

一、本地csv文件读取：

最简单的方法：

importpandas as pd

lines=pd.read_csv(file)

lines_df= sqlContest.createDataFrame(lines)

或者采用spark直接读为RDD 然后在转换

importpandas as pdfrom pyspark.sql importSparkSessionfrom pyspark importSparkContextfrom pyspark.sql importSQLContextfrom pyspark.sql.types import *spark=SparkSession.builder.appName("lz").getOrCreate()

sc=SparkContext.getOrCreate()

lines= sc.textFile('/Users/xdstar/Desktop/test04.csv')

如果你的csv文件有标题 的话，需要剔除首行

header = lines.first()#第一行 print(header)

lines = lines.filter(lambda row:row != header)#删除第一行

/Users/xdstar/PycharmProjects/untitled3/venv/bin/python /Users/xdstar/Desktop/sprak_test/test1.py

打印结果：

序号,省份,所属院线,影院编码,影院名称,场次编码,影片编码,影片名称,发行版本,影厅编码,放映日期,放映时间,总人数,总票房

此时lines 为RDD。如果需要转换成dataframe：

sch