有时我们会对dataframe的每一行进行遍历处理,有两种方式可以采用:
使用map函数
def customFunction(row):
return (row.name, row.age, row.city)
sample2 = sample.rdd.map(customFunction)
自定义一个处理函数,并通过rdd的map函数来处理dataframe的每一行数据。
使用collect()函数
若数据量比较小,可以把数据收集到driver本地,然后再用常规的方法来遍历数据。
for row in df.rdd.collect():
do_something(row)
或
for row in df.rdd.collect():
do_something(row)
小结
本文介绍了遍历Dataframe的两种方式。