Spark实战(3) DataFrame基础之行列操作和SQL

最新推荐文章于 2023-04-04 06:00:00 发布

ZenGeek

最新推荐文章于 2023-04-04 06:00:00 发布

阅读量846

点赞数

CC 4.0 BY-SA版权

分类专栏： Spark 文章标签： Spark

本文链接：https://blog.youkuaiyun.com/ZenG_xiangt/article/details/83588698

Spark 专栏收录该内容

7 篇文章

订阅专栏

本文详细介绍如何使用PySpark进行DataFrame的基本操作，包括选择特定列、创建新列、重命名列以及展示数据帧的前几行。此外，还介绍了如何通过创建临时视图并使用SQL查询来筛选和操作数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章目录

行列操作
SQL操作

行列操作

df['age'] # I only get a column object
df.select('age').show() # I get a datafram with a column that we could use with show() method

# see the first two row elements
df.head(2) # return a list

df.select(['age','name']).show() # get two columns

# create a new column
df.withColumn('double_age',df['age'] * 2).show() # this is not inplace

# rename a column
df.withColumnRenamed('age','my_new_age').show()

SQL操作

# very useful when you are familar with SQL

# create a temp view at first
df.createOrReplaceTempView('people') # the table name is people

# create one sql query and get the result
results = spark.sql("SELECT * FROM people")
results.show()

# create another sql query and get the result
new_results = spark.sql("SELECT * FROM people WHERE age=30")
new_results.show()