DataFrame 的函数
原文: https://blog.csdn.net/yisun123456/article/details/90677924
Action 操作
- collect()
返回值是一个数组,返回dataframe集合所有的行 - collectAsList()
返回值是一个java类型的数组,返回dataframe集合所有的行 - count()
返回一个number类型的,返回dataframe集合的行数 - describe(cols: String*)
返回一个通过数学计算的类表值(count, mean, stddev, min, and max),这个可以传多个参数,中间用逗号分隔,如果有字段为空,那么不参与运算,只这对数值类型的字段。例如df.describe(“age”, “height”).show() - first()
返回第一行 ,类型是row类型 - head()
返回第一行 ,类型是row类型 - head(n:Int)
返回n行 ,类型是row 类型 - show()
返回dataframe集合的值 默认是20行,返回类型是unit - show(n:Int)
返回n行,,返回值类型是unit - table(n:Int)
返回n行 ,类型是row 类型
dataframe的基本操作
- cache()
同步数据的内存 - columns
返回一个string类型的数组,返回值是所有列的名字 - dtypes
返回一个string类型的二维数组,返回值是所有列的名字以及类型 - explan()
打印执行计划 物理的 - explain(n:Boolean)
输入值为 false 或者true ,返回值是unit 默认是false ,如果输入true 将会打印 逻辑的和物理的 - isLocal
返回值是Boolean类型,如果允许模式是local返回true 否则返回false - persist(newlevel:StorageLevel)
返回一个dataframe.this.type 输入存储模型类型 - printSchema()
打印出字段名称和类型 按照树状结构来打印 - registerTempTable(tablename:String)
返回Unit ,将df的对象只放在一张表里面,这个表随着对象的删除而删除了 - schema
返回structType 类型,将字段名称和类型按照结构体类型返回 - toDF()
返回一个新的dataframe类型的 - toDF(colnames:String*)
将参数中的几个字段返回一个新的dataframe类型的, - unpersist()
返回dataframe.this.type 类型,去除模式中的数据 - unpersist(blocking:Boolean)
返回dataframe.this.type类型 true 和unpersist是一样的作用false 是去除RDD
集成查询
- agg(expers:column*)
返回dataframe类型 ,同数学计算求值
df.agg(max(“age”), avg(“salary”))
df.groupBy().agg(max(“age”), avg(“salary”)) - agg(exprs: Map[String, String])
返回dataframe类型 ,同数学计算求值 map类型的
df.agg(Map(“age” -> “max”, “salary” -> “avg”))
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”)) - agg(aggExpr: (String, String), aggExprs: (String, String)*)
返回dataframe类型 ,同数学计算求值
df.agg(Map(“age” -> “max”, “salary” -> “avg”))
df.groupBy().agg(Map(“age” -> “max”, “salary” -> “avg”)) - apply(colName: String)
返回column类型,捕获输入进去列的对象 - as(alias: String)
返回一个新的dataframe类型,就是原来的一个别名 - col(colName: String)
返回column类型,捕获输入进去列的对象 - cube(col1: String, cols: String*)
返回一个GroupedData类型,根据某些字段来汇总 - distinct
去重 返回一个dataframe类型 - drop(col: Column)
删除某列 返回dataframe类型 - dropDuplicates(colNames: Array[String])
删除相同的列 返回一个dataframe - except(other: DataFrame)
返回一个dataframe,返回在当前集合存在的在其他集合不存在的 - explode[A, B](inputColumn: String, outputColumn: String)(f: (A) ⇒ TraversableOnce[B])(implicit arg0: scala.reflect.api.JavaUniverse.TypeTag[B])
返回值是dataframe类型,这个 将一个字段进行更多行的拆分。
举例:
df.explode(“name”,“names”) {name :String=> name.split(" ")}.show();
将name字段根据空格来拆分,拆分的字段放在names里面 - filter(conditionExpr: String):
刷选部分数据,返回dataframe类型
df.filter(“age>10”).show();
df.filter(df(“age”)>10).show();
df.where(df(“age”)>10).show(); 都可以 - groupBy(col1: String, cols: String*)
根据某写字段来汇总返回groupedate类型 df.groupBy(“age”).agg(Map(“age” ->“count”)).show();df.groupBy(“age”).avg().show();都可以 - intersect(other: DataFrame)
返回一个dataframe,在2个dataframe都存在的元素 - join(right: DataFrame, joinExprs: Column, joinType: String)
一个是关联的dataframe,第二个关联的条件,第三个关联的类型:inner, outer, left_outer, right_outer, leftsemi
df.join(ds,df(“name”)===ds(“name”) and df(“age”)===ds(“age”),“outer”).show(); - limit(n: Int)
返回dataframe类型 去n 条数据出来 - na: DataFrameNaFunctions ,
可以调用dataframenafunctions的功能区做过滤 df.na.drop().show(); 删除为空的行 - orderBy(sortExprs: Column*)
做alise排序 - select(cols:string*) dataframe
做字段的刷选 df.select($“colA”, $“colB” + 1) - selectExpr(exprs: String*)
做字段的刷选 df.selectExpr(“name”,“name as names”,“upper(name)”,“age+1”).show(); - sort(sortExprs: Column*)
排序
df.sort(df(“age”).desc).show(); 默认是asc - unionAll(other:Dataframe)
合并 df.unionAll(ds).show(); - withColumnRenamed(existingName: String, newName: String)
修改列表
df.withColumnRenamed(“name”,“names”).show(); - withColumn(colName: String, col: Column)
增加一列
df.withColumn(“aa”,df(“name”)).show();