PySpark 学习笔记二

本文介绍了PySpark中的DataFrames,重点讲述了如何创建、操作和查询DataFrame。内容包括通过SparkSession读取数据,创建临时表,使用.show()显示数据,通过反射或自定义schema转换RDD为DataFrame,以及使用DataFrame API和SQL进行数据查询和过滤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2 DataFrames
和Python的dataframe类似,pyspark也有dataframe,其处理速度远快于无结构的RDD。

Spark 2.0 用 SparkSession 代替了SQLContext。各种 Spark contexts,包括:
HiveContext, SQLContext, StreamingContext,以及SparkContext
全部合并到了SparkSession中,以后仅用这一个包作为读取数据的入口。

2.1 创建 DataFrames
准备工作:

>>> import pyspark
>>> from pyspark.sql import SparkSession
>>> spark = SparkSession.builder \
        .appName("Python Spark SQL basic example") \
        .config("spark.some.config.option", "some-value") \
        .getOrCreate()
>>> sc = spark.sparkContext

首先创建一个 stringJSONRDD的 RDD,然后将它转为一个DataFrame。

>>> stringJSONRDD = sc.parallelize(('''
...                     {'id':'123',
...                     'name':'Katie',
...                     'age':19,
...                     'eyeColor':'brown'}''',
...                     '''{'id','234',
...                     'name':'Michael',
...                     'age':22,
...                     'eyeColor':'green'}'
评论 3
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