pyspark上rdd转换dataframe

引入相关的库,生成一个SparkContext对象

from pyspark.sql import SparkSession
from pyspark import SparkConf,SparkContext, conf
spark = SparkSession.builder.config(conf=SparkConf()).getOrCreate()
from pyspark.sql import Row
from pyspark.sql.types import *

方式1:利用反射机制推断RDD模式

people = spark.sparkContext.textFile("/home/service/spark-2.4.5-bin-hadoop2.7/examples/src/main/resources/people.txt").map(lambda line:line.split(",")).map(lambda p:Row(name=p[0],age=int(p[1])))
schemapeople = spark.createDataFrame(people)
#创建临时表
schemapeople.createOrReplaceTempView("people")
personDF = spark.sql("select name,age from people where age>20")
personDF.show()
personRDD = personDF.rdd.map(lambda p:"Name:"+p.name+","+"Age:"+str(p.age))
print(personRDD.collect())

上述以SparkContext对象spark

        I.创建一个Dataframe,使用Row的DataFrame按照行进行分区

        II.将该DataFrame注册为临时表

        III.通过pyspark.sql对DataFrame进行SQL语句的查询,并返回一个Dataframe再输出查看

        IV.使用map映射对Dataframe处理并使用collect打印结果

结果:

 方式2:        使用编程的方式定义Dataframe

#生成表头
schemaString = "name age"
fields = [StructField(field_name,StringType(),True) for field_name in schemaString.split(" ")]
schema = StructType(fields)
#生成表的内容
lines = spark.sparkContext.textFile("/home/service/spark-2.4.5-bin-hadoop2.7/examples/src/main/resources/people.txt")
parts = lines.map(lambda x:x.split(","))
#表头和内容拼接
people =parts.map(lambda p:Row(p[0],p[1].strip()))
schemapeoples = spark.createDataFrame(people,schema)
#注册临时表才能查询
schemapeoples.createOrReplaceTempView("peoples")
results = spark.sql("select name,age from peoples")
results.show()

         I.生成表头

        II.生成表的内容

        III.拼接表头和表的数据

        IV.注册临时表查询

结果:

 

 

  • 0
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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