【pyspark】的一些用法

读hdfs上的文件

from smart_open import open
import pandas as pd

file_stream = open("hdfs:///tmp/a.csv", encoding='gb2312')
file = pd.read_csv(file_stream)

这个csv是这种格式的,一个需求求每个class1下得分最高的class2展示

class0class1class2varscore
Aaa-1zhangsan80
Aaa-2lisi90
Abb-1wangwu97
class myclass:
    def __init__(self, filePath=""):
        self.definition_dict = defaultdict(defaultdict)

        if filePath != "":
            self.file = pd.read_csv(filePath)
        self.__initScore()

    def __initScore(self):
        self.definition_dict = self.file.set_index("Var").to_dict(orient="index")
        return

    def get_rule_dict(self):
        definition_dict = self.file.set_index(['class0', 'class1', 'class2'])
        result = lambda: defaultdict(result)
        mytree = result()
        for r, kv in definition_dict.iterrows():
            a, b, c = r
            mytree[a][b][c] = kv.loc['var']

        return mytree

udf

from spark.sql.functions import udf
import json

@udf(StringType())
def udf1(arg):
    res={}
    return json.dumps(res,ensure_ascii=False) # 中文不乱码
arr1=['column1','column2']
df=df.withColumn('test',F.concat_ws('-',F.array(arr1)))
df=df.withColumn('test2',udfx('test',F.lit('常量')))
评论
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

打赏作者

重生之我在异世界打工

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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